圖靈在用戶畫(huà)像和智能推薦上已經(jīng)達(dá)到行業(yè)頂尖的水平，并賦能到國(guó)內(nèi) Top 50 的兒童玩具品牌，幫助他們實(shí)現(xiàn)智能化的產(chǎn)品體驗(yàn)。

近日，NLPCC 2018 競(jìng)賽公布評(píng)測(cè)結(jié)果，圖靈機(jī)器人NLP研究員在用戶畫(huà)像與好友推薦任務(wù)中均獲得第 1 名！

另?yè)?jù)悉，用戶畫(huà)像與好友推薦這兩項(xiàng)新技術(shù)將在7月1日隨著圖靈OS新版正式上線！

NLPCC 是國(guó)內(nèi)首個(gè) NLP 領(lǐng)域的國(guó)際會(huì)議，是國(guó)際上中文計(jì)算領(lǐng)域的頂尖會(huì)議。會(huì)議由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，CCF 中文信息技術(shù)專(zhuān)業(yè)委員會(huì)（CCF TCCI）及高校（每年通過(guò)投票選舉）承辦。會(huì)議內(nèi)容主要圍繞自然語(yǔ)言處理（NLP）和中文計(jì)算（CC）兩方面來(lái)進(jìn)行。

本次競(jìng)賽，包含 8 項(xiàng)任務(wù)評(píng)測(cè)，涉及情緒識(shí)別、語(yǔ)法糾錯(cuò)、自動(dòng)文摘、對(duì)話系統(tǒng)中的口語(yǔ)理解、多輪人機(jī)對(duì)話、知乎問(wèn)題標(biāo)注、智能問(wèn)答、用戶畫(huà)像與推薦等。憑借多年的技術(shù)和數(shù)據(jù)積累，圖靈參加并拿下了用戶畫(huà)像與好友推薦任務(wù)第一名。

用戶畫(huà)像和好友推薦是什么？

用戶畫(huà)像是在給定了用戶的一些基本信息，例如：性別、地理位置、好友關(guān)系、微博信息，以及用戶的標(biāo)簽信息，需要根據(jù)用戶的基本信息來(lái)預(yù)測(cè)用戶的標(biāo)簽。

好友推薦任務(wù)目的是基于用戶歷史好友、用戶的個(gè)人信息、微博文本、到過(guò)的地點(diǎn)等，為用戶推薦新的好友。該任務(wù)中一個(gè)用戶可能和多個(gè)標(biāo)簽相關(guān)聯(lián)，是一個(gè)典型的多標(biāo)簽分類(lèi)任務(wù)，目前比較流行的有三類(lèi)方法來(lái)解決多標(biāo)簽分類(lèi)問(wèn)題：

(1) 問(wèn)題轉(zhuǎn)換，該方法的思想是將多標(biāo)簽問(wèn)題轉(zhuǎn)換為單標(biāo)簽問(wèn)題，例如二元關(guān)聯(lián)、分類(lèi)器鏈、標(biāo)簽Powerset等方法都是早期提出的方法，但是該方法沒(méi)有考慮標(biāo)簽之間的相關(guān)性。

(2) 改編算法，該方法的思想是將多標(biāo)簽分類(lèi)問(wèn)題轉(zhuǎn)化為多分類(lèi)問(wèn)題。該方法跟問(wèn)題轉(zhuǎn)換方法一樣沒(méi)有考慮標(biāo)簽的相關(guān)性，而且當(dāng)標(biāo)簽數(shù)量比較大的時(shí)候，分類(lèi)組合的數(shù)量會(huì)很大，增加了模型的復(fù)雜性，并降低了精確度。

(3) 集成方法，該方法的思想通過(guò)組合多個(gè)模型，以獲得更好的效果，使集成的模型具有更強(qiáng)的泛化能力，但是該方法需要大量的維護(hù)工作。

由于之前的方法都有各種各樣的缺點(diǎn),考慮到任務(wù)中標(biāo)簽之間有比較強(qiáng)的關(guān)聯(lián)性，利用深度學(xué)習(xí)能夠自主學(xué)習(xí)特征的特性，我們提議了新的模型，考慮到用戶基本信息的組合特征和標(biāo)簽之間的相關(guān)性，從而提高了預(yù)測(cè)的準(zhǔn)確率。

好友推薦任務(wù)在大部分研究好友推薦的文章中，大部分是基于特征挖掘?qū)崿F(xiàn)的，需要充分的用戶和好友的微博文本，個(gè)人信息，興趣愛(ài)好甚至生活習(xí)慣等信息，還有一些基于社交信息進(jìn)行圖挖掘。

在準(zhǔn)備過(guò)程中，我們首先尋找了相似的數(shù)據(jù)，并嘗試了從專(zhuān)門(mén)用于好友推薦的多種，包括傳統(tǒng)的FOF、協(xié)同過(guò)濾、矩陣分解等。在發(fā)布正式數(shù)據(jù)后，對(duì)適用各類(lèi)特征的方法進(jìn)行了評(píng)估和比較。最終根據(jù)用戶歷史社交信息的多少，分別選擇了合適的方法。

就像人類(lèi)的智慧行行程需要依賴于知識(shí)和經(jīng)驗(yàn)，機(jī)器人想要聰明也需要有足夠豐富的“知識(shí)”和“經(jīng)驗(yàn)”。

為此，圖靈建立了大量的知識(shí)圖譜——在這其中，圖靈不僅有知識(shí)圖譜數(shù)量上的累積，更強(qiáng)調(diào)圖譜中每個(gè)節(jié)點(diǎn)的關(guān)聯(lián)性和跳躍性。在對(duì)話過(guò)程中，機(jī)器利用知識(shí)圖譜來(lái)理解人的話題，并找到話題圖話題的關(guān)聯(lián)性，實(shí)現(xiàn)在相互關(guān)聯(lián)的話題之間自然跳轉(zhuǎn)。

你是誰(shuí)？我們發(fā)生過(guò)什么？

搭載了圖靈大腦的機(jī)器人，可以把每一個(gè)用戶作為一個(gè)實(shí)體，在使用中不斷關(guān)聯(lián)與用戶相關(guān)的信息，反向刻畫(huà)出精準(zhǔn)的用戶畫(huà)像?；诤腿说慕换?shù)據(jù)，機(jī)器人會(huì)再形成新的知識(shí)圖譜，并完成跨越間維度的上下文對(duì)話。

——換句話講，你家的機(jī)器人不再是個(gè)沒(méi)有故事的“傻孩子”，它不僅知道自己是誰(shuí)，也知道你是誰(shuí)，甚至記得你喜歡什么、你說(shuō)過(guò)什么話，并有可能在日后的對(duì)話中，用你的說(shuō)過(guò)的話“懟”回你。

你喜歡什么？我能為你做什么？

在解決“我是誰(shuí)”、“你是誰(shuí)”這樣的認(rèn)知問(wèn)題之后，接下來(lái)就需要考慮“聊得來(lái)”的問(wèn)題了——機(jī)器人需要知道你喜歡什么，并根據(jù)你的興趣向你主題推薦聊天話題和內(nèi)容服務(wù)。

在對(duì)話狀態(tài)下，基于前面的精準(zhǔn)用戶畫(huà)像，圖靈會(huì)通過(guò)智能推薦算法，按照用戶的特征來(lái)選擇其感興趣的話題。而在非對(duì)話狀態(tài)下，圖靈則會(huì)主動(dòng)篩選內(nèi)容和服務(wù)，幫助用戶快速找到。

簡(jiǎn)單來(lái)講，就是同一款搭載了圖靈大腦的產(chǎn)品，在不同用戶的家里可能會(huì)有完全不一樣的表現(xiàn)——小女孩的機(jī)器人喜歡講白雪公主和哆啦A夢(mèng)的故事；小男孩的機(jī)器人對(duì)超級(jí)飛俠和奧特曼的故事如數(shù)家珍。

在人機(jī)交互的過(guò)程中，精準(zhǔn)的用戶畫(huà)像可以為機(jī)器「理解」用戶打下基礎(chǔ)，幫助機(jī)器更加清晰地了解用戶的意圖；同時(shí)，通過(guò)智能推薦的方式，在操作層面上，可以減少用戶的操作成本，而在對(duì)話過(guò)程中，可以預(yù)先圈定意圖范圍，避免了“答非所問(wèn)”之類(lèi)的尷尬。

憑借圖靈在人工智能領(lǐng)域多年的積累，圖靈在用戶畫(huà)像和智能推薦上已經(jīng)達(dá)到行業(yè)頂尖的水平，并賦能到國(guó)內(nèi) Top 50 的兒童玩具品牌，幫助他們實(shí)現(xiàn)智能化的產(chǎn)品體驗(yàn)。

最后，記得關(guān)注微信公眾號(hào)：鎂客網(wǎng)（im2maker），更多干貨在等你！