重磅！图灵获 NLPCC2018 竞赛用户画像和推荐任务第1名

图灵在用户画像和智能推荐上已经达到行业顶尖的水平，并赋能到国内 Top 50 的儿童玩具品牌，帮助他们实现智能化的产品体验。

近日，NLPCC 2018 竞赛公布评测结果，图灵机器人NLP研究员在用户画像与好友推荐任务中均获得第 1 名！

另据悉，用户画像与好友推荐这两项新技术将在7月1日随着图灵OS新版正式上线！

NLPCC 是国内首个 NLP 领域的国际会议，是国际上中文计算领域的顶尖会议。会议由中国计算机学会（CCF）主办，CCF 中文信息技术专业委员会（CCF TCCI）及高校（每年通过投票选举）承办。会议内容主要围绕自然语言处理（NLP）和中文计算（CC）两方面来进行。

本次竞赛，包含 8 项任务评测，涉及情绪识别、语法纠错、自动文摘、对话系统中的口语理解、多轮人机对话、知乎问题标注、智能问答、用户画像与推荐等。凭借多年的技术和数据积累，图灵参加并拿下了用户画像与好友推荐任务第一名。

用户画像和好友推荐是什么？

用户画像是在给定了用户的一些基本信息，例如：性别、地理位置、好友关系、微博信息，以及用户的标签信息，需要根据用户的基本信息来预测用户的标签。

好友推荐任务目的是基于用户历史好友、用户的个人信息、微博文本、到过的地点等，为用户推荐新的好友。该任务中一个用户可能和多个标签相关联，是一个典型的多标签分类任务，目前比较流行的有三类方法来解决多标签分类问题：

(1) 问题转换，该方法的思想是将多标签问题转换为单标签问题，例如二元关联、分类器链、标签Powerset等方法都是早期提出的方法，但是该方法没有考虑标签之间的相关性。

(2) 改编算法，该方法的思想是将多标签分类问题转化为多分类问题。该方法跟问题转换方法一样没有考虑标签的相关性，而且当标签数量比较大的时候，分类组合的数量会很大，增加了模型的复杂性，并降低了精确度。

(3) 集成方法，该方法的思想通过组合多个模型，以获得更好的效果，使集成的模型具有更强的泛化能力，但是该方法需要大量的维护工作。

由于之前的方法都有各种各样的缺点,考虑到任务中标签之间有比较强的关联性，利用深度学习能够自主学习特征的特性，我们提议了新的模型，考虑到用户基本信息的组合特征和标签之间的相关性，从而提高了预测的准确率。

好友推荐任务在大部分研究好友推荐的文章中，大部分是基于特征挖掘实现的，需要充分的用户和好友的微博文本，个人信息，兴趣爱好甚至生活习惯等信息，还有一些基于社交信息进行图挖掘。

在准备过程中，我们首先寻找了相似的数据，并尝试了从专门用于好友推荐的多种，包括传统的FOF、协同过滤、矩阵分解等。在发布正式数据后，对适用各类特征的方法进行了评估和比较。最终根据用户历史社交信息的多少，分别选择了合适的方法。

就像人类的智慧行行程需要依赖于知识和经验，机器人想要聪明也需要有足够丰富的“知识”和“经验”。

为此，图灵建立了大量的知识图谱——在这其中，图灵不仅有知识图谱数量上的累积，更强调图谱中每个节点的关联性和跳跃性。在对话过程中，机器利用知识图谱来理解人的话题，并找到话题图话题的关联性，实现在相互关联的话题之间自然跳转。

你是谁？我们发生过什么？

搭载了图灵大脑的机器人，可以把每一个用户作为一个实体，在使用中不断关联与用户相关的信息，反向刻画出精准的用户画像。基于和人的交互数据，机器人会再形成新的知识图谱，并完成跨越间维度的上下文对话。

——换句话讲，你家的机器人不再是个没有故事的“傻孩子”，它不仅知道自己是谁，也知道你是谁，甚至记得你喜欢什么、你说过什么话，并有可能在日后的对话中，用你的说过的话“怼”回你。

你喜欢什么？我能为你做什么？

在解决“我是谁”、“你是谁”这样的认知问题之后，接下来就需要考虑“聊得来”的问题了——机器人需要知道你喜欢什么，并根据你的兴趣向你主题推荐聊天话题和内容服务。

在对话状态下，基于前面的精准用户画像，图灵会通过智能推荐算法，按照用户的特征来选择其感兴趣的话题。而在非对话状态下，图灵则会主动筛选内容和服务，帮助用户快速找到。

简单来讲，就是同一款搭载了图灵大脑的产品，在不同用户的家里可能会有完全不一样的表现——小女孩的机器人喜欢讲白雪公主和哆啦A梦的故事；小男孩的机器人对超级飞侠和奥特曼的故事如数家珍。

在人机交互的过程中，精准的用户画像可以为机器「理解」用户打下基础，帮助机器更加清晰地了解用户的意图；同时，通过智能推荐的方式，在操作层面上，可以减少用户的操作成本，而在对话过程中，可以预先圈定意图范围，避免了“答非所问”之类的尴尬。

凭借图灵在人工智能领域多年的积累，图灵在用户画像和智能推荐上已经达到行业顶尖的水平，并赋能到国内 Top 50 的儿童玩具品牌，帮助他们实现智能化的产品体验。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！