logo

OPPO: 知识图谱在智能问答中的应用

用户案例

OPPO: 知识图谱在智能问答中的应用

本文整理自 OPPO 数智技术公众号,WeChat ID: OPPO_tech

公司简介

OPPO 是国内领先的智能终端制造商,业务遍及 50 多个国家和地区,拥有 40 多万个销售网点及2500个服务中心。「小布助手」是 OPPO 智能手机和 IoT 设备上内置的 AI 智能问答助手,包含语音、建议、指令、识屏和扫一扫等功能模块。

业务挑战

随着用户搜索、关联推荐等业务数据的不断增长,使用现有数据库已经比较吃力,导入时间也无法满足业务的要求,因此需要寻找性能更好的图数据库,来提升整体业务效率。

解决方案

OPPO 基于 NebulaGraph 的图数据库平台

Product architecture

整个图数据库平台的结构如上图所示,基于 NebulaGraph 及其官方工具,着重开发了全量导入、增量导入、图导出、备份/还原、查询工程(图检索)等功能。

场景1:智能问答

通过构建多领域知识图谱,对问题进行解析并链接图谱中的实体,利用图谱中的实体关联关系生成问题的答案。在使用图谱后,小布助手支持基于知识库的问答 (KBQA),在 What、When 等事实性问题的准确率和覆盖率大幅度提升。

例如:xxx的老婆是?xxx奥特曼的体重是多少?北京的面积是多少?

除了事实性问答,小布助手还可以利用图谱的推理能力实现一些复杂问答。

例如:OPPO发布的第一款手机是什么?xxx和xxx是什么关系?出生在xx的双子座明星有哪些?

场景2:内容推荐

通过对于影视类视频打上内容标签,将演员、导演、影视节目、扮演角色等构造成一个影视娱乐图谱,当有新的影视类短视频发布时,可以通过视频中人脸识别出演员、标题或字幕中识别出影视角色,并利用图谱快速推理出对应的影视作品名,从而达到给用户精准推荐的效果。

场景3:服务架构拓扑

在服务资源管理中,业务资源会分为多个层级,每个层级下面有对应的服务器、服务和管理人员,如果使用关系数据库来处理,当需要展示多级资源的时候,查询会很麻烦,性能会很差。这个时候,可以将资源、管理人员、服务器、业务层级之间的关系放到图数据库中,展示的时候,一条查询语句就能搞定,查询速度还很快。

使用收益

1、图数据库性能大幅度提升 NebulaGraph 能够支持 10 亿节点 100 亿边的大规模图谱,全量导入时间也不超过 10h,二度查询平均响应时间不超过 50ms,QPS 能够达到 5000+。

2、智能问答的准确率和覆盖率明显提升 小布助手之前只支持基于文档的问答 (DBQA),使用图谱后可以支持基于知识库的问答 (KBQA),还能利用图谱的推理能力实现一些复杂问答。

3、为未来更多业务场景提供可能 目前,OPPO 已经构建了数亿实体和数十亿关系的高质量通用知识图谱,每天支持线上数百万次的小布问答请求。下一步,OPPO 正将通用知识图谱逐渐扩展到商品图谱、健康图谱、风控图谱等多个垂类。


标签
相关推荐
green iguana

新闻资讯

NebulaGraph 发布同路人「增长计划」,全生命周期助力伙伴取得商业成功
green iguana

产品实践

图数据 3D 可视化在 Explorer 中的应用
green iguana

用户案例

58 同城基于 NebulaGraph 一键部署运维架构的实践