面向NLP场景应用的智能辅助建模（四）本体表达式发现

1、本体表达式发现，本质上是关联规则发现，发现过程需要用到词义消歧、信息抽取、语义角色标注、句子语义分析、上下文推理等技术和算法，这些算法都封装在辅助建模工具中，业务人员不需要关心，只需要利用辅助工具对投诉文本数据处理即可。

2、为了说明方便，这里只说明三元组的发现，本体表达式的表示可以很灵活，还可以是二元组、四元组，甚至更多的要素和概念组合，业务人员可以根据需要，制定本体表达式发现的模板。

3、领域模型，还可以是机器学习模型，也就是给特定的本体节点，配置一个机器学习算法，通过对客服投诉文本进行自动训练，自动生成机器学习模型。由于机器学习模型一般是个黑盒子，不需要业务人员参与，所以辅助发现，重点针对的是概念模型的形式化规则。

用户操作，选择产品类，也就是选择本体树节点，确定为“信用卡”节点，来进行本体表达式发现。

用户操作，配置业务规则模板，这里配置的模板是个三元组“e_信用卡+e_属性+c_评价”，其含义是：第一个元组“e_信用卡”，来自于要素树中“信用卡”的要素节点，可以包括各种信用卡卡种、名称等；第二个元组“e_属性”，来自于要素树中“属性”的要素节点，可以包括各种属性的描述，如“态度、效率”等，不仅限于信用卡的；第三个元组“c_评价”，来自于概念树中“评价”的概念节点，可以包括如“好、不好、温柔、蛮横”等。

机器学习关联发现e+e，这是系统自动操作输出，不需要用户干预。这里的第一个“e”，指的就是模板中的“e_信用卡”，这是用户输入的确切信息。这里的第二个“e”，指的是模板中的“e_属性”，这是一个宽泛的要素，其下级可以有各种属性，如人的属性（身高、态度等）、信用卡的属性（外观、使用等）、树的属性（高度、树种）等。这里的关联发现e+e的处理策略是，利用机器学习算法，去发现那些与第一个“e_信用卡”有关联的“e_属性”的具体值。比如人的属性“态度”与“e_信用卡”有关联，而“身高”属性与“e_信用卡”就无关。关联发现e+e的输出结果就是，与“信用卡”相关的属性词汇列表，如“申请、年费、账单、业务员”等，每个结果都有相关度距离表示其关联程度。系统输出结果，可以记为“e2”。对系统输出结果，辅助建模工具提供增删改操作，用户可以进行修改，以提高发现结果的质量。

机器学习关联发现e+c，这是系统自动操作输出，不需要用户干预。这里的“e”，指的是步骤3输出的属性结果，如“年费、态度、业务员”等。也就是对步骤3输出的每个结果，在这里都要执行一次“e+c”的关联发现，去发现每个e有关联的“评价”概念。如与“态度”关联的评价概念有“温柔、利索、谦虚、和蔼可亲”等，与“业务员”关联的评价概念有“怠慢、欺骗”等。对每个系统输出结果，辅助建模工具提供增删改操作，用户可以进行修改，以提高发现结果的质量。

机器学习三元组关联“e+e+c”，这是系统自动操作输出，不需要用户干预。这里是要把步骤3发现的e2，和步骤4发现的评价概念，进一步和“e_信用卡”进行关联发现，确认他们是不是一个有效的、具体上下文中合理的关联。比如“信用卡-业务人员-怠慢”是个合理的关联，会作为一个三元组输出，而“信用卡-申请-温柔”不是个合理的关联，不会输出。

三元组关联的核心是对“e+e+c”这三个要素和概念的上下文进行判断，以确定出合理的关联。这里的上下文判断包括以下几种情况（不限于这几种，辅助工具在不断扩展判断类型）：

1、句子范围判断，同句优先。如果三个要素和概念，在同一句子中，会优先判断其合理关联。

2、否定概念排除。如果某个元组在投诉文本中，被否定概念限定，则在三元组关联时会排除掉，不会被确认为合理关联。如评价概念“怠慢”在这样的上下文中“业务人员一点都没怠慢”，虽然在步骤4中会输出“业务人员-怠慢”这样的“e+c”关联，这里也会被排除。

3、疑问概念排除。如果三元组在投诉文本中，所在句子是一个疑问句，那么会优先排除，不会被确认为合理关联。如“信用卡年费是过高吗？”中识别出的“信用卡-年费-过高”，会被排除。

4、引用排除。如果三元组在投诉文本中，所在句子是一个引用或转述的，那么会优先排除，不会被确认为合理关联。