常用对答知识库有哪些

常用对答知识库有：1、百度知道；2、知乎；3、FAQ；4、聊天机器人；5、悟空问答；6、知识库系统。百度知道是一个基于搜索的互动式知识问答分享平台，是用户自己根据具有针对性地提出问题，通过积分奖励机制发动其他用户，来解决该问题的搜索模式。 

一、常用对答知识库有哪些

1、百度知道

百度知道是一个基于搜索的互动式知识问答分享平台，是用户自己根据具有针对性地提出问题，通过积分奖励机制发动其他用户，来解决该问题的搜索模式。同时，这些问题的答案又会进一步作为搜索结果，提供给其他有类似疑问的用户，达到分享知识的效果。

百度知道的最大特点，就在于和搜索引擎的完美结合，让用户所拥有的隐性知识转化成显性知识，用户既是百度知道内容的使用者，同时又是百度知道的创造者，在这里累积的知识数据可以反映到搜索结果中。通过用户和搜索引擎的相互作用，实现搜索引擎的社区化。

百度知道也可以看作是对搜索引擎功能的一种补充，让用户头脑中的隐性知识变成显性知识，通过对回答的沉淀和组织形成新的信息库，其中信息可被用户进一步检索和利用。这意味着，用户既是搜索引擎的使用者，同时也是创造者。百度知道可以说是对过分依靠技术的搜索引擎的一种人性化完善。

2、知乎

知乎，是一个中文互联网高质量的问答社区和创作者聚集的原创内容平台，于2011年1月正式上线，以“让人们更好地分享知识、经验和见解，找到自己的解答”为品牌使命。

知乎凭借认真、专业、友善的社区氛围、独特的产品机制以及结构化和易获得的优质内容，聚集了中文互联网科技、商业、影视、时尚、文化领域最具创造力的人群，已成为综合性、全品类、在诸多领域具有关键影响力的知识分享社区和创作者聚集的原创内容平台，建立起了以社区驱动的内容变现商业模式。

3、FAQ

FAQ（Frequently Asked Questions）是指针对某个产品、服务或主题，预先设定的一些常见问题和对应的回答。FAQ通常都会被放在网站或者APP的“帮助中心”中，用户可以在使用产品或服务时通过查看FAQ快速找到问题的解答。

4、聊天机器人

聊天机器人是指通过人工智能技术和自然语言处理技术让机器人与用户进行对话交互，回答用户提出的问题。聊天机器人可以在公司的客服中心、网站或APP中进行服务。

5、悟空问答

悟空问答是一个为所有人服务的问答社区，通过它，你可以从数亿互联网用户中找到那个能为自己提供答案的人。2017年6月26号，“头条问答”正式升级为“悟空问答”。此前，悟空问答的前身头条问答已经在今日头条APP孵化上线运营了一年多，这次升级是为了加强品牌辨识度，还开拓了独立运营能力，比如推出独立App和PC端网站，用户既能在今日头条App内访问悟空问答，也可以通过下载悟空问答IOS和安卓App，或直接访问PC端等方式使用。

“悟空”是全体中国人集体回忆中最为美好和令人骄傲的部分，他家喻户晓，陪伴过每一代中国人的成长，悟空问答延续这种意义，跨越地域、人群和年龄，成为包容所有人、被所有人热爱的问答平台。悟空问答以后立足独立产品探索更多社区专有功能，进一步优化使用体验，为用户提供更好的服务。品牌升级之后，作为问答领域智能分发的先驱者，悟空问答仍长期把“成为所有人的问答社区”视作自己的使命。

6、知识库系统

知识库系统是一种专门用于管理知识和信息的软件系统，可以将公司内部的知识和信息进行分类和组织，方便员工查找和获取。

二、问答知识库简介

知识库可以分为两种类型，一种是以Freebase，Yago2为代表的Curated KBs，它们从维基百科和WordNet等知识库中抽取大量的实体及实体关系，可以把它们理解为是一种结构化的维基百科，被google收购的Freebase中包含了上千万个实体，共计19亿条triple。但是，像维基百科这样的知识库，与整个互联网相比，仍只能算沧海一粟。知识库的另外一种类型，则是以Open Information Extraction (Open IE)，Never-Ending Language Learning (NELL) 为代表的Extracted KBs，它们直接从上亿个网页中抽取实体关系三元组。与Freebase相比，这样得到的知识更加具有多样性，而它们的实体关系和实体更多的则是自然语言的形式，当然，直接从网页中抽取出来的知识，也会存在一定的noisy，其精确度要低于Curated KBs。

Extracted KBs 知识库涉及到的两大关键技术是：

1. 实体链指(Entity linking) ：即将文档中的实体名字链接到知识库中特定的实体上。它主要涉及自然语言处理领域的两个经典问题实体识别 (Entity Recognition) 与实体消歧 (Entity Disambiguation)，简单地来说，就是要从文档中识别出人名、地名、机构名、电影等命名实体。并且，在不同环境下同一实体名称可能存在歧义，如苹果，我们需要根据上下文环境进行消歧。
2. 关系抽取 (Relation extraction)：即将文档中的实体关系抽取出来，主要涉及到的技术有词性标注 (Part-of-Speech tagging，POS)，语法分析，依存关系树 (dependency tree) 以及构建SVM、最大熵模型等分类器进行关系分类等。

三、问答知识库的主流方法

1、语义解析（Semantic Parsing）

该方法是一种偏linguistic的方法，主体思想是将自然语言转化为一系列形式化的逻辑形式（logic form）,通过对逻辑形式进行自底向上的解析，得到一种可以表达整个问题语义的逻辑形式，通过相应的查询语句（类似lambda-Caculus）在知识库中进行查询，从而得出答案。

2、信息抽取（Information Extraction）

该类方法通过提取问题中的实体，通过在知识库中查询该实体可以得到以该实体节点为中心的知识库子图，子图中的每一个节点或边都可以作为候选答案，通过观察问题依据某些规则或模板进行信息抽取，得到问题特征向量，建立分类器通过输入问题特征向量对候选答案进行筛选，从而得出最终答案。

3、向量建模（Vector Modeling）

该方法思想和信息抽取的思想比较接近，根据问题得出候选答案，把问题和候选答案都映射为分布式表达（Distributed Embedding），通过训练数据对该分布式表达进行训练，使得问题和正确答案的向量表达的得分（通常以点乘为形式）尽量高。

延伸阅读

知识库简介

知识库的概念来自两个不同的领域，一个是人工智能及其分支-知识工程领域，另一个是传统的数据库领域。由人工智能（AI）和数据库（DB）两项计算机技术的有机结合，促成了知识库系统的产生和发展。

知识库是基于知识且具有智能性的系统（或专家系统）。并不是所有具有智能的程序都拥有知识库，只有基于知识的系统才拥有知识库。许多应用程序都利用知识，其中有的还达到了很高的水平，但是，这些应用程序可能并不是基于知识的系统，它们也不拥有知识库。一般的应用程序与基于知识的系统之间的区别在于：一般的应用程序是把问题求解的知识隐含地编码在程序中，而基于知识的系统则将应用领域的问题求解知识显式地表达，并单独地组成一个相对独立的程序实体。