读完蚂蚁大规模知识图谱构建及其应用后思考

蚂蚁集团算法专家贾强槐的文章《蚂蚁大规模知识图谱构建及其应用》，让我看到了互联网大厂和传统企业在知识图谱应用上的巨大鸿沟。

一、蚂蚁做了什么

1.1 知识图谱不是"画关系图"

很多人对知识图谱的理解还停留在"把实体和关系画成图"的阶段。但这份蚂蚁的实践告诉我们：知识图谱是语义+结构的双建模。

什么叫双建模？

• 结构建模

• 语义建模

只有结构，没有语义，那就是普通的关系数据库；只有语义，没有结构，那就是知识库。 两者结合，才是真正的知识图谱。

1.2 蚂蚁的5步构建路径

蚂蚁的图谱构建不是一蹴而就的，而是遵循一个渐进式融合的路径：

1. 业务数据冷启动：用现有的业务数据（用户、商品、交易）作为初始种子
2. 外部知识图谱融合：对接维基百科、DBpedia等公开知识图谱，做实体对齐
3. 结构化领域知识库融合：接入行业知识库（比如医保目录、商品分类体系）
4. 非结构化信息抽取：从文本、图片、日志中抽取实体和关系
5. 领域概念体系和专家规则融入：让业务专家定义概念层级和推理规则

这个路径的精妙之处在于：先用数据冷启动，再逐步引入外部知识和专家经验。

不是"先建好完美图谱再上线"，而是"边建边用，持续学习"。

1.3 核心技术：实体对齐和分类

蚂蚁在图谱构建中用了三个关键技术，我都觉得挺有意思：

技术1：融合专家知识的实体分类

• 用语义增强（让模型理解实体含义）
• 对比学习（让相似实体在向量空间中靠近）
• 逻辑规则约束（比如"如果是意外险，就一定有保险期限"）

技术2：注入领域词表的实体识别

• 边界对比学习（准确识别实体边界，比如"支付宝"是一个词，不能切成"支付"和"宝"）
• 语义对比学习（理解实体在上下文中的含义）

技术3：少样本关系抽取

• 借助外部知识库（不用大量标注数据）
• 逻辑规则推理（通过规则推导隐含关系）

最让我印象深刻的是实体对齐技术：用BERT-INT算法，把不同来源的知识融合到同一个图谱里。

想象一下：支付宝有上亿用户，每个用户有几百个标签，怎么把这些信息融合成一个统一的用户画像？这就是实体对齐要解决的问题。

二、知识图谱为什么重要

2.1 传统数据建模的局限

我们做数据的，最熟悉的就是E-R模型（实体-关系模型）和维度建模（星型模型、雪花模型）。

这两种建模方法有什么问题？

问题1：只管结构，不管语义

E-R模型能表达"用户表"和"订单表"之间的外键关系，但它表达不了"订单是一种合同，合同具有法律效力"这种语义。

问题2：难以做推理

维度建模能支持OLAP分析（比如"按地区统计销售额"），但它做不了"买了A产品的用户，大概率也需要B服务"这种推理。

问题3：知识难以复用

每个系统的数据模型都是定制的，A系统的"客户"和B系统的"投保人"可能是同一个概念，但没有人知道，也没有工具能自动发现。

2.2 知识图谱的四大价值

蚂蚁在实践中总结了知识图谱的四大价值，我觉得总结得很好：

价值1：语义标准化

把不同系统、不同口径的数据，映射到统一的知识体系。

比如："客户""投保人""被保险人"在保险行业是有区别的，但在很多系统里被混为一谈。知识图谱可以明确它们的定义和关系。

价值2：领域知识沉淀

把专家经验固化到图谱里，形成可复用的知识资产。

比如：核保规则（"患有糖尿病的客户，不能投保重疾险"）可以写成图谱中的推理规则，系统自动执行。

价值3：知识复用

一旦建成图谱，多个应用可以共享。

比如：同一个"产品知识图谱"，可以支撑产品搜索、智能推荐、合规审查等多个场景。

价值4：知识推理和发现

这是知识图谱最核心的价值——发现隐含的知识。

比如：图谱可以发现"购买过癌症险的用户，60%会在6个月内购买住院医疗险"，这种规律靠传统统计分析很难发现。

2.3 蚂蚁的4个应用场景

蚂蚁把知识图谱用在了4个场景，都是高频、高价值的：

1. 结构化匹配召回（比如商品搜索，理解用户意图，精准匹配商品）
2. 用户意图预测（比如根据用户历史行为，预测下一步可能的行为）
3. 营销券推荐（比如预测用户对哪种优惠券感兴趣）
4. 智能理赔推理（比如根据医疗知识图谱，自动审核理赔申请）

这4个场景有一个共同特点：都需要理解语义，而不只是匹配关键词。

三、为什么传统企业还没大规模用图谱

3.1 数据分散，语义对齐难

传统企业（尤其是央企、国企）的数据环境，比互联网大厂复杂得多：

• 系统多
  一个大型保险集团，可能有几百个系统（核心业务系统、CRM、财务系统、HR系统...）
• 数据分散
  同一个客户的信息，可能分散在10个不同的系统里
• 口径不一
  A系统叫"客户"，B系统叫"投保人"，C系统叫"被保险人"，其实是同一个人

要把这些分散的数据融合成统一的图谱，语义对齐的工作量巨大。

蚂蚁可以从头设计图谱架构，传统企业得在存量系统上"打补丁"。

3.2 标注成本高，持续维护难

知识图谱的核心是"高质量的知识"，而高质量的知识需要大量标注。

比如：

• 实体分类：需要人工标注"什么是意外险""什么是健康险"
• 关系抽取：需要人工标注"哪些文本表示购买关系"
• 规则定义：需要业务专家定义推理规则

互联网大厂可以雇几百个标注员，传统企业很难有这样的资源。

更麻烦的是：业务在变，图谱也要变。

比如：新产品上线了，图谱里没有这个产品的知识，就得重新标注、重新训练模型。

3.3 业务闭环难，技术业务两张皮

这是最扎心的一点。

很多传统企业的数据部门，建了知识图谱，但业务部门不会用、不敢用。

为什么？

原因1：业务不理解图谱的价值

业务人员习惯了看报表、做统计分析，突然给他们一个"知识图谱"，他们不知道能干什么。

原因2：图谱的推理结果不可解释

图谱可以推理出"用户A可能需要产品B"，但说不清楚"为什么需要"。

业务人员不敢基于一个"不可解释"的推荐去做决策。

原因3：没有业务闭环

建了图谱，但没有应用场景，图谱就成了"摆设"。

蚂蚁的图谱是业务倒逼技术（搜索、推荐、风控场景强烈需求），传统企业往往是技术倒逼业务（先建图谱，再找场景）。

3.4 人才缺口大

知识图谱是一个跨学科的领域：

• 需要懂图算法（Graph Neural Networks、图挖掘）
• 需要懂自然语言处理（实体识别、关系抽取）
• 需要懂领域知识（保险、金融、医疗...）
• 需要懂工程化（图谱存储、查询优化、实时计算）

这样的人才，互联网大厂可以高薪挖，传统企业很难吸引和留住。

四、知识图谱 × 大模型：下一代智能的核心（技术趋势）

4.1 大模型和知识图谱，谁更强？

2023年以来，大模型（LLM）火了。很多人开始问：还要知识图谱吗？大模型能不能替代知识图谱？

蚂蚁的文章给了一个很好的答案：

大模型 = 参数化知识库（隐式）

• 优势：通用性强，能理解自然语言，能生成内容
• 劣势：幻觉问题（会编造事实）、时效性差（训练数据截止某个时间点）、不可解释

知识图谱 = 显式知识库

• 优势：准确（每一条知识都经过验证）、可解释（可以追溯推理路径）、时效性好（可以实时更新）
• 劣势：覆盖面窄（只能覆盖预设的领域）、通用性差（换一个领域就得重新建图谱）

两者不是替代关系，而是互补关系。

4.2 三种融合路线

蚂蚁提出了三种融合路线：

路线1：图谱增强大模型

• 用知识图谱的事实，纠正大模型的幻觉
• 用知识图谱的实时数据，弥补大模型的时效性不足
• 用知识图谱的推理路径，增强大模型的可解释性

路线2：大模型增强图谱

• 用大模型做信息抽取（从非结构化文本中抽取实体和关系）
• 用大模型做实体对齐（理解不同实体是否是同一个）
• 用大模型做图谱补全（预测缺失的关系）

路线3：协同并进

• 图谱和大模型各司其职，共同服务应用
• 比如：用图谱做领域知识管理（准确、可解释），用大模型做自然语言交互（易用、友好）

4.3 知识增强的问答系统

蚂蚁展示了一个知识增强的问答系统：

1. 用户提问（自然语言）
2. 大模型理解问题，生成查询
3. 查询知识图谱，获取准确答案
4. 大模型基于答案，生成自然语言回复
5. 同时提供可解释的推理路径（比如"根据知识图谱，A和B的关系是..."）

这个系统的优势：

• 准确性
  答案来自知识图谱
• 时效性
  知识图谱可以实时更新
• 可解释性
  可以提供推理路径，让用户信任结果

五、给央企/国企数据人的建议（行动指南）

读完蚂蚁的实践，我觉得传统企业的数据人，应该从以下几个方面入手：

5.1 别急着买图谱工具

很多企业的第一反应是："我们要建知识图谱，先买个工具吧。"

错！

知识图谱的核心不是工具，而是数据和场景。

在买工具之前，先问自己三个问题：

1. 我们的数据质量够好吗？（实体是否唯一、属性是否完整、关系是否准确）
2. 我们有高价值的应用场景吗？（不是为了"建图谱"而建图谱）
3. 我们有持续维护图谱的机制吗？（业务在变，图谱也要变）

建议：先把现有数据资产梳理清楚（指标体系、数据标准、元数据），再谈图谱。

5.2 选一个高价值场景试点

知识图谱不是"大而全"的工程，而是"小步快跑"的迭代。

建议从一个高价值、边界清晰的场景开始：

• 风控场景
  构建"企业关联关系图谱"，发现隐蔽的利益输送
• 推荐场景
  构建"产品知识图谱"，做个性化推荐
• 问答场景
  构建"法规知识图谱"，做智能客服
• 合规场景
  构建"监管要求知识图谱"，做合规审查

选场景的标准：

1. 数据基础好（有现成的数据源）
2. 业务价值高（能量化收益）
3. 技术难度适中（不要一开始就挑战"全集团统一图谱"）

5.3 图谱 + 大模型协同

这是未来的方向。

建议：

• 用知识图谱做领域知识管理（准确、可解释、实时）
• 用大模型做自然语言交互（降低使用门槛）
• 两者结合，才能发挥最大价值

比如：

• 合规人员问："这个新条款符合监管要求吗？"
• 大模型理解问题，查询"监管知识图谱"
• 图谱返回相关法规、相似案例、推理结果
• 大模型生成自然语言回复，并附上图谱的推理路径

5.4 培养复合型人才

知识图谱需要复合型人才，但这样的人才很稀缺。

建议：

1. 内部培养
   让数据工程师学习图算法和自然语言处理
2. 外部合作
   和高校、科研院所合作，引入外部智力
3. 工具降低门槛
   选择低代码/无代码的图谱工具，让业务人员也能参与

六、结语：

读完蚂蚁的图谱实践，我发现了一个扎心的事实：

互联网大厂和传统企业的差距，不在技术，而在思维。

蚂蚁的思维是：

• 场景驱动
  （先有场景，再建图谱）
• 渐进式构建
  （边建边用，持续学习）
• 业务技术融合
  （技术方案和业务需求深度耦合）

传统企业的思维是：

• 技术驱动
  （先建平台，再找场景）
• 完美主义
  （想一次性建成完美的图谱）
• 业务技术分离
  （技术部门建图谱，业务部门不会用）

这个差距，不是靠买几个工具、招几个专家就能弥补的。

需要的是思维的转变。