面向NLP場景應用的智慧輔助建模（四）本體表示式發現

1、本體表示式發現，本質上是關聯規則發現，發現過程需要用到詞義消歧、資訊抽取、語義角色標註、句子語義分析、上下文推理等技術和演算法，這些演算法都封裝在輔助建模工具中，業務人員不需要關心，只需要利用輔助工具對投訴文字資料處理即可。

2、為了說明方便，這裡只說明三元組的發現，本體表示式的表示可以很靈活，還可以是二元組、四元組，甚至更多的要素和概念組合，業務人員可以根據需要，制定本體表示式發現的模板。

3、領域模型，還可以是機器學習模型，也就是給特定的本體節點，配置一個機器學習演算法，透過對客服投訴文字進行自動訓練，自動生成機器學習模型。由於機器學習模型一般是個黑盒子，不需要業務人員參與，所以輔助發現，重點針對的是概念模型的形式化規則。

使用者操作，選擇產品類，也就是選擇本體樹節點，確定為“信用卡”節點，來進行本體表示式發現。

使用者操作，配置業務規則模板，這裡配置的模板是個三元組“e_信用卡+e_屬性+c_評價”，其含義是：第一個元組“e_信用卡”，來自於要素樹中“信用卡”的要素節點，可以包括各種信用卡卡種、名稱等；第二個元組“e_屬性”，來自於要素樹中“屬性”的要素節點，可以包括各種屬性的描述，如“態度、效率”等，不僅限於信用卡的；第三個元組“c_評價”，來自於概念樹中“評價”的概念節點，可以包括如“好、不好、溫柔、蠻橫”等。

機器學習關聯發現e+e，這是系統自動操作輸出，不需要使用者干預。這裡的第一個“e”，指的就是模板中的“e_信用卡”，這是使用者輸入的確切資訊。這裡的第二個“e”，指的是模板中的“e_屬性”，這是一個寬泛的要素，其下級可以有各種屬性，如人的屬性（身高、態度等）、信用卡的屬性（外觀、使用等）、樹的屬性（高度、樹種）等。這裡的關聯發現e+e的處理策略是，利用機器學習演算法，去發現那些與第一個“e_信用卡”有關聯的“e_屬性”的具體值。比如人的屬性“態度”與“e_信用卡”有關聯，而“身高”屬性與“e_信用卡”就無關。關聯發現e+e的輸出結果就是，與“信用卡”相關的屬性詞彙列表，如“申請、年費、賬單、業務員”等，每個結果都有相關度距離表示其關聯程度。系統輸出結果，可以記為“e2”。對系統輸出結果，輔助建模工具提供增刪改操作，使用者可以進行修改，以提高發現結果的質量。

機器學習關聯發現e+c，這是系統自動操作輸出，不需要使用者干預。這裡的“e”，指的是步驟3輸出的屬性結果，如“年費、態度、業務員”等。也就是對步驟3輸出的每個結果，在這裡都要執行一次“e+c”的關聯發現，去發現每個e有關聯的“評價”概念。如與“態度”關聯的評價概念有“溫柔、利索、謙虛、和藹可親”等，與“業務員”關聯的評價概念有“怠慢、欺騙”等。對每個系統輸出結果，輔助建模工具提供增刪改操作，使用者可以進行修改，以提高發現結果的質量。

機器學習三元組關聯“e+e+c”，這是系統自動操作輸出，不需要使用者干預。這裡是要把步驟3發現的e2，和步驟4發現的評價概念，進一步和“e_信用卡”進行關聯發現，確認他們是不是一個有效的、具體上下文中合理的關聯。比如“信用卡-業務人員-怠慢”是個合理的關聯，會作為一個三元組輸出，而“信用卡-申請-溫柔”不是個合理的關聯，不會輸出。

三元組關聯的核心是對“e+e+c”這三個要素和概念的上下文進行判斷，以確定出合理的關聯。這裡的上下文判斷包括以下幾種情況（不限於這幾種，輔助工具在不斷擴充套件判斷型別）：

1、句子範圍判斷，同句優先。如果三個要素和概念，在同一句子中，會優先判斷其合理關聯。

2、否定概念排除。如果某個元組在投訴文字中，被否定概念限定，則在三元組關聯時會排除掉，不會被確認為合理關聯。如評價概念“怠慢”在這樣的上下文中“業務人員一點都沒怠慢”，雖然在步驟4中會輸出“業務人員-怠慢”這樣的“e+c”關聯，這裡也會被排除。

3、疑問概念排除。如果三元組在投訴文字中，所在句子是一個疑問句，那麼會優先排除，不會被確認為合理關聯。如“信用卡年費是過高嗎？”中識別出的“信用卡-年費-過高”，會被排除。

4、引用排除。如果三元組在投訴文字中，所在句子是一個引用或轉述的，那麼會優先排除，不會被確認為合理關聯。