基于多粒度知识结构的认知型服务中不确定性需求理解方法研究

Currently, with the sweeping progress of artificial intelligence, cognitive computing system, which has the human way of thinking, has become the future trend. Cognitive services have also become one of the hot topics in the service computing research domain. In some specific domains, some cognitive service systems were born, which have achieve basic cognitive business intelligence. However, in the aspect of requirement semantic understanding, they still need to further weaken the influence of the domain constraints, and expand the scope of service cognition. Also, to get rid of templated and standardized knowledge structure and enhance the flexibility of service man-machine interaction. To enhance the reasoning ability of services, and understand the users' uncertain demand expression accurately, is also their future goal. .Therefore, the core research questions of this subject are: Build a rich semantic requirement knowledge system with multi-granularity structure based on the Multi-source heterogeneous open data in the Internet, to support reasoning analysis of uncertainty demand expression of users, then identify the users' complete demand claims, So that cognitive services take the initiative to provide accurate and efficient services for users.

当前，蓬勃发展的人工智能使得能像人一样进行思考的认知型计算系统已经成为了未来发展的趋势。认知型服务也成为了服务计算领域的研究热点之一，在某些特定领域已经实现了基本的认知型商业智能。然而在需求语义理解层面，它们仍然需要进一步减弱领域约束的影响，拓展服务认知范畴；摆脱模板化、制式化的知识结构，提升服务人机交互的自由度；增强服务的推理能力，准确理解用户的不确定性需求表达，等。因此，本课题的核心研究问题是：基于互联网中的多源异构的开放数据，构建多粒度结构的富语义需求知识库，以此来支撑用户不确定性需求表达的推理分析，进而辨识用户完整的需求主张，以便认知型服务主动为用户提供精准、高效的服务。

认知型服务系统是新一代人工智能软件应用新形态之一，已经得到了较为广泛的应用，例如智能车载系统、智能音箱、手机智能助手等。目前，在实践应用中，这类应用仅限于简单指令的执行，对于不确定的用户需求，或者潜在的用户意图的识别能力较差，导致它执行复杂任务的能力有限。本项目以增强认知型服务的需求捕获能力为目标，从多粒度知识结构的需求建模方法入手，深入研究多粒度用户需求知识挖掘的方法，在此基础之上进一步研究面向不确定性用户需求意图的识别方法，以及不完整需求的补全方法。历经三年的研究，本项目形成了六大成果，其中包括多粒度知识图谱构建与动态维护方法、面向复杂服务系统的多用户需求建模技术、需求模式挖掘方法、个性化用户画像构建方法与需求变更预测方法、个性化用户需求补全方法、需求自适应自演化分析和应对框架。本项目的研究成果部分在企业实现了成果转化，在智慧医养领域进行应用，并取得了较好的社会效益和经济效益，获得了2020年度中国人工智能学会吴文俊人工智能科技进步奖一等奖。