鞠晓峰，都军，覃军，修艺多，丁颖

(1.哈尔滨工业大学经济与管理学院；2.珠海釆筑电子商务有限公司；3.华侨城集团有限公司)

1 引言

由于数据量的发展，造成了搜索内容繁杂无章，搜索结果难以满足人们的需要等问题。因此智能问答系统成为一个新的热点方向。本文首先介绍智能问答系统及其搭建方法，并以“Answer”智能问答系统为例，介绍了智能问答系统的实际应用。

2 智能问答系统的定义

随着当今互联网数据越来越繁杂，搜索引擎已经难以满足领域内专业人士的定制化需求，同时随着人工智能等技术的飞速发展，智能问答系统应运而生。问答系统是一种对用户使用自然语言提出的问题能够给出尽可能准确的回答的计算机程序，智能问答系统是指通过人工智能、知识图谱等技术建立的以一问一答形式，精确定位网站用户所需要的提问知识，通过与网站用户进行交互，为网站用户提供个性化的信息服务的问答系统[1]。

3 智能问答系统的搭建

3.1 系统的组成

智能问答系统主要分为以下几个核心模块：知识库、语义理解、搜索算法、语言输出等。

知识库的构建依托海量的专业知识数据，通常与知识管理系统具有相同的使用环境与功能需求。系统框架是指将知识管理与应用设计成为一个简单系统，系统包含其内部逻辑，对于不同的输入可以产生不同的输出[2]。

语义理解算法主要为离线语义推理，目前主流的方式为模糊算法等，对以一般集合论为基础的描述工具的数理逻辑进行拓展，从而建立了模糊推理理论。另外还需要对语法进行分块解析，包括词义的解释与词性的标注等。再通过相应算法进行推算[3]。

搜索算法需要根据用户提出的问题进行语义理解后的结果，使用人工智能加持下的常用搜索算法，在专业知识库中检索最具有效果的答案，并将结构化数据组织输出等内容送给语言输出模块[4]。

语言输出模块主要负责对搜索到的结果进行整理，并按照人类的自然语言进行输出，通常包括文字或声音等形式。

3.2 系统的设计方案

一个系统的搭建常采用MVC的程序架构模式，该模式实现了模型（Model）、控制器（Controller）和视图（View）的隔离。智能问答系统的设计也可以基于MVC模式展开。

模型是控制软件处理数据逻辑的部分。在智能问答系统中，模型应包括相关领域内的专业知识库，作为基础数据，并包含语言处理、搜索等核心算法的实现功能，并与控制器与视图做好相应的数据交互。

控制器用于处理系统与用户之间的数据交互，是系统输入的关键组成部分。控制器负责采集用户的输入信息，进行处理之后发送给模型进行相应的数据分析，等待视图将结果返还给用户之后迎接用户的下一次输入。

视图将软件中的数据展示给用户，视图和控制器一起完成了系统与用户之间的交互功能。同时，视图中应当由配合控制器进行相应输入输出的控制组件，等待模型处理好控制器接收到的数据之后，视图将处理结果返还给用户，完成一次完整的软件功能周期。

4 智能问答系统建设分析——以“Answer”智能问答系统为例

4.1 Answer介绍

采筑平台在当代科技化商业模式的背景下，积极推进科技与商业的融合，结合人工智能与知识图谱等新型关键技术，联合华侨城、哈工大和行业优秀供应商共同研发了一套在线智能问答系统——Answer，用以实现专业知识的体系化、结构化管理，保证专业知识能够持续建设和传承。

Answer系统的知识来源于完备准确的真实行业数据，具体为通过采筑平台多年招标采购经验，海量的历史交易和质量数据，行业数据的知识结构由行业多年工程服务、专家系统等进行建设与维持。系统具备行业内供方厂家全面的工程服务能力交付能力，领先的行业内专家专业能力，能够在线帮助解决工程材料领域专业问题。

传统采购工程知识基本存在于人工经验，因此智能问答系统Answer可以改变过去工程采购高度依赖于人，见面才可以完成采购的弊端，加快了企业采购工作、工程运行的速度；提高了企业知识管理与储备的能力。

4.2 Answer的功能特点

聚焦垂直领域，致力于在线解决工程采购领域专业问题。Answer智能问答系统将知识结构聚焦于工程项目中的关键领域，保证在领域中的知识呈现一定的聚合性，使得知识在该领域的利用能够最高效化，提高领域的发展。

细分数据存储，实现招标采购领域知识结构化。知识需要以结构化、系统化的形式进行保存，才能够保证知识能够被合理、高效地利用。Answer智能问答系统细分专业知识数据，并实现知识的结构化保存，能够有效提高回答的准确率。

知识积累沉淀，支持招标采购过程数据传承。知识的传承能够保证领域或行业长期保持进步，传统的知识的传播方式主要依赖于人的经验于教训，使得知识的传播效率大打折扣。Answer保证结构化知识准确、高效传播，而不是依赖于人，利于知识的有效传承。

打通时空壁垒，线上根据需求找到最佳答案。Answer系统能够保证知识的时效性、便捷性等，它打通了时空的壁垒，使得对知识有需求的人可以随时随地对知识进行定向的获取，可以帮助人们根据各自的需求获取最佳的答案。

4.3 Answer的产品架构

Answer的架构分为前端与后台两大部分，前端用于用户的直接服务，包括呼叫中心、语音识别模块、业务服务、接入渠道等服务；后台包括智能呼叫中心、训练平台、数据系统与知识云服务模块等。具体产品架构图如图1。

4.4 Answer的优势

相较于传统知识积累方式，Answer的数据积累和传承更具有大数据时代的特色。采筑联合地产龙头万科，将万科36年来的工程采购经验，覆盖80多个品类招标采购，20余万条订单数据，用于智能问答系统的知识储备，并将海量天网检测、招标机器人结构化招标数据添加到采购行业的知识库中，保证了答案覆盖的全面性。

利用智能问答系统，企业可以降本提效。Answer系统汇集了行业领先供应商、采筑产品合伙人团队、采筑质量专家委员会、行业协会权威专家、优秀采购商等专家团队实际生产服务经验和解决方案，依据大量、可靠的专业基础知识进行支撑，专业问题交流不需要见面也能获得满意的答案。

Answer系统是与顶尖高校团队建立联合实验室，搭建会不断深度学习的机器人。该系统不会保持一成不变，每完成一次招标、每下一次订单、每完成一次检测和评估都会实现持续的数据加载和模型适配，保证系统的时效性，并逐步优化其问答算法。

图1 Answer的产品架构图

5 结语

采筑联合多方开发的智能问答机器人Answer作为一个行业专业知识管理的成功典范，将万科集团多年采购、招标等经验知识结构化，形成了完备的采购知识问答库，大大提高了相关工作的进行效率。