行业落地分享：阿里知识图谱召回与实践

业务背景

信息爆炸的时代，如何从海量数据里淘出真金白银，已经成了各行各业的共同课题。试想一下，如果能把企业之间的交易、投融资、采购这些复杂关系，以及新客户、股东、高管等关键信息，全部用一张图直观地呈现出来，那会是怎样的景象？这正是图游走召回技术的核心价值所在。

在构建业务背景时，知识图谱强大的语义表达能力、存储能力和推理能力给了我们很大的底气。它让我们能深入挖掘企业在生产经营中，与其他实体之间产生的各种关联关系。通过对知识图谱的构建和应用，我们可以更全面地理解企业在不同业务领域的关联网络，为风险管理、决策支持和市场策略提供扎实的数据支撑。

举个例子，利用知识图谱分析历史投标数据，我们能够识别出投标过程中的关键参与者、投标历史、中标率等信息，进而为相关机构提供精准的推荐标书服务，显著提高中标机会。当需要从多个输入中寻找共同点时，单纯依赖文本相似性往往力不从心。而知识图谱从关联度的角度出发，用图的方式来解决这个问题，提供的是一个更全面的视角。

图游走召回

Pixie是Pinterest开发的一款基于图的实时推荐系统，最初是为了处理其庞大的用户和内容库。它的能力在于，能从数十亿个可能的pins中，实时为用户推荐最相关的pins。

• 有偏随机游走
  ：根据用户的个性化特征和偏好，动态调整游走过程中节点的选择，实现更精准的个性化推荐。

• 多查询Pin及其权重
  ：算法允许对不同的查询pins分配不同的权重，这有助于捕捉用户过去的行为和偏好。

• 多命中增强器
  ：增强从多个查询pins得到的候选pins的分数，尤其是那些被多次访问的pins。

• 早停策略
  ：为了减少计算时间和资源消耗，当推荐候选项稳定后，算法会提前终止游走过程。

图游走召回技术的核心，在于它能够借助图谱的方式，去探索和发现不同实体间的关联。在一个实际案例中，技术团队巧妙地设置了权重：将省份、招标行业、标的类型等属性作为图谱的节点属性，并根据query组中属性值的分布来赋予不同的权重。这样一来，召回结果就变得更加精准，也更贴近真实的业务需求。

• 图游走召回技术不能有超级节点类型。如果存在超级节点，需要将其转换为属性表达。这是因为超级节点会对游走算法产生不良影响，比如影响推荐的多样性，或者让算法偏向某个特定节点。
• 图游走召回技术只能推荐出有关联的信息，主要挖掘的是同质性，在挖掘结构性相似方面比较吃力。这意味着，算法可能无法发现并推荐那些与查询项在结构上相似但又不直接相连的节点。

图表示召回

图表示学习是一种把图数据转化成低维稠密向量化表示的技术，其核心目标是确保图数据的性质能够在向量空间中得到有效表达。学习得到的图表示可以应用于多种任务，包括节点分类、链接预测、图分类、推荐系统等。

像Metapath2vec这样的图游走方法，通过在图中进行随机游走来生成节点序列，然后利用类似Word2Vec的模型来学习节点的向量表示。而像GraphSAGE、HGT、HAN这些图神经网络技术，则通过聚合邻居节点信息来更新节点表示，从而捕捉节点的局部和全局结构特征。

在实际应用中，我们通过配置化的方式使用不同的采样方法，来适配不同的算法实现。同时，利用Quiver来优化图特征聚合过程，加速训练。通过自定义loss和模型配置，我们可以针对具体的业务需求进行高性能训练。

图召回引擎

召回引擎需要处理顶点不在已有图中的情况，同时支持query中包含顶点及其一阶邻居的查询。在基于游走召回时，可以通过以query中的一阶邻居作为起始顶点进行游走来实现召回。

在构建图召回引擎时，需要借助描述文件，自动构建支持图查询和图表示学习的图，并且支持多种数据源类型的自动导入。此外，还需要进行图采样、模型配置、并行训练，以及向量数据的导出等工作。