正文
王海峰
：Query 理解是一个研究了很多年的方向。Query 理解分很多层，比如最基础的中文 query 理解，要做分词、命名实体识别、短语结构分析等等。在应用深度学习之前百度就达到了很好的效果，在这过程中也积累了非常丰富的用户数据。这些数据的积累又为后来应用深度学习提供了基础。
百度是世界上最早将深度学习技术应用在搜索引擎中的公司。深度学习本身具有很强的表示能力及大数据学习能力，基于百度积累的海量数据以及强大的计算资源，我们设计研发的针对性的新模型，展现出非常好的学习效果。
学习出来的是什么？更多是语义层面的匹配。用户在 query 中用的是一种表达方式，网页中对应的可能是另外一种。在用户的使用过程中，他的点击数据、行为数据隐藏着不同表达方式之间的关联，机器学习、深度学习就能学到这种关联。本质上，还是更好地利用更多的数据学到了更多东西。BOW（Bag-of-Words，词袋）就是对这些词的语义表示做简单的组合，我们用了更复杂的网络如 CNN、RNN，CNN 能更好自动捕捉一些局部结构信息，RNN及其变体在序列建模中更能体现句篇的长距离依赖特性，它们的表示能力、学习能力就会进一步增强。
神经网络不是近几年才出现的。20 多年前我读博士的时候，博士论文也用了 RNN，但那时候的数据量要小很多，计算机的计算能力甚至跟现在的手机都没法比。那时只能用很小的数据去跑模型，能跑出来、也有效果，但远远达不到今天的效果。深度学习很多基础理论也并不是近几年才产生的，但是近几年爆发式的在应用中取得了非常多的成果，大数据和强大的计算能力起到了至关重要的支撑作用。
机器之心：百度在前几年就上线了机器翻译系统，我们知道机器翻译系统可能用到神经网络、基于规则方法、基于实例的方法，还有基于统计的。这些不同的方法，如何在一个翻译系统中结合？
王海峰
：我们在世界上最早把深度学习应用到大规模线上翻译系统，2015 年 5 月系统正式上线。但上线的同时，并没有把原来的方法直接替换掉。我们发现多个模型融合使用的效果是最好的，因为深度学习有些问题解决的并不好，每一种方法都有它擅长的地方。
在应用深度学习之前，基于统计的、规则的、实例的方法我们都用了。比如规则方法，擅长抽象语言知识并显式地表示出来，比如语法知识、局部的规则等。
从一种语言到另一种语言并不是完全依靠规则的，如果有限的语法能覆盖所有语言现象，翻译这件事就会变得非常简单。现实中语言是非常复杂的，表示很灵活，很多时候并不是从语法演绎出来，而是约定俗成就这么说，这时候基于实例的方法就会效果更好、效率更高。就像我们学英语时，很多时候不需要去分析，一听到中文，相应的英文就会脱口而出。
统计机器翻译方法和神经网络机器翻译有一些相似的优点，同样可以从非常庞大的语料库中学习。因为它基于参数和模型，鲁棒性也更好。统计方法需要从词，到短语，到句子一层一层去做对齐、抽取、重排序等等；而神经网络翻译模型则可以是端到端的系统，用足够的语料去训练，就可以得到不错的结果。从这个角度看，机器翻译入门的门槛变低了，但想做到特别好仍然非常难。
这几种方法，我们现在更多是在结果级进行融合。
机器之心：我们现在的知识图谱包含 3 种：实体图谱、意图图谱、关注点图谱，我们为什么要做这些不同的知识图谱，它们的情况和应用是怎么样的？
王海峰
：做不同的图谱，其实是应用驱动的。基于实体的知识图谱，就是通常意义上的知识图谱。基本节点是实体，实体的属性、实体和实体之间的关系，一个基本的实体知识图谱就是这样。
为什么做关注点图谱？因为我们现在在做信息流，用户关注的不一定是实体。它可以是一个实体或者概念，比如关注人工智能、机器翻译；但也可以是一个事件，比如 AAAI 会议在旧金山召开，这不是实体或概念，而是一个事件，在实体图谱里是没有表示这样的事件的节点的。这时就需要关注点图谱。
意图图谱我们在内部也称为需求图谱，用户对话的过程中提出了一个需求，下一个需求会是什么？比如「阿拉斯加」，用户关注的是城市还是宠物？如果关注宠物那么接下来关注的是喂养、习性还是其它？这既不是一个实体，也不是一个事件关注点。所以每一种知识图谱都是由不同的应用驱动的。
机器之心：包括 UC、今日头条等等大家都在做信息流，百度在技术上有哪些不同之处？
王海峰
：信息流从基本原理上讲，一端是对用户的理解，一端是对内容的理解，然后对它们进行匹配。从这个最基本点看，大家都在做类似的事，但我们可以对内容、对用户理解得更好、更充分。这背后既有数据的优势，也有技术的优势。
数据方面，通过信息流中的用户行为可以分析用户的一些兴趣点，但不限于此，比如用户搜索的 query，明确表达了用户的需求，而这些需求与用户兴趣爱好或者个体属性等是相关的。再比如用户关注了某个贴吧，这是一个非常强的信号，意味着他对这个东西很感兴趣。
所以我们做信息流不是孤立的，而是基于百度整体的各种产品，综合起来会对用户有更好的理解。
另一方面是技术。百度在人工智能的方方面面都有着非常深厚的技术积累，我们会综合利用各种技术。刚才谈到不少深度学习技术模型在百度产品中已得到很多应用，而在真正的产品应用中，其它各种机器学习方法，比如 SVM 、CRF、GBDT 等也都会用。技术的选型，是基于对应用需求的充分理解及对数据的深入分析进行的。
