高校智能問答平臺的建設與應用研究
——以華中科技大學為例

李 凱 秦 楠 熊 鷹 王士賢 吳 馳

（華中科技大學 網絡與計算中心，湖北武漢 430074）

智能問答起源于Turing[1]在20 世紀50 年代提出的“智能機器”概念，是指通過智能化的人機交互讓用戶快速從海量信息中獲取有效信息。智能問答興起后，其從以知識模式匹配技術為代表的Lunar 問答系統[2]、以信息檢索技術為代表的Mmasque 問答系統[3]，發展為以自然語言提問融合大數據、深度學習技術為代表的智能問答體系[4]。隨著人工智能技術的發展，智能問答的應用已涉及知識的表達、知識的搜索、自然語言的處理、知識圖譜的繪制等多個領域，其應用的本質是通過智能化的人機交互讓用戶快速地從海量信息中獲取有效信息[5]。2017 年，《國務院關于印發新一代人工智能發展規劃的通知》明確提出“智能+教育”的發展方向[6]，其中智能問答平臺構建是實現教育智能化的典型應用。但是，目前高校的智能化問答應用服務基本處于空白狀態?；诖?，本研究聚焦于在高校背景下建設智能問答平臺，從教職工和學生的實際問題出發，利用信息化手段解決師生在科研、學習中的問題，并站在全局高度以大平臺建設為目標，打通教學咨詢、業務咨詢、專業咨詢等多個維度的知識庫，整合學校各領域碎片化信息數據，以實現全校在知識結構上保持一致性、知識收集上具備權威性、知識算法運用上具備擴展性。

一 高校智能問答平臺建設面臨的挑戰

目前，國內智能問答平臺的構建多從業務的垂直領域展開，這導致平臺技術選擇缺乏靈活性，同時使多業務場景構建存在很大的局限性，所以高校建設智能問答平臺要從技術與業務兩個層面進行分析：①從技術層面來說，智能問答是計算機通過對問答的文本表達和語義分析，自動回復用戶的問題[7]。目前，智能問答主要分為基于FAQ 的問答、基于自然語言的問答、基于知識圖譜的問答三種。其中，基于FAQ 的問答是通過計算提問者的問題向量和知識庫中問題向量的相似度，得到相應問題的回答[8]，這類問答適用于單輪對話場景；基于自然語言的問答主要分為結構化文本的問答和非結構化文本的問答[9]，這類問答適用于多輪對話場景；而基于知識圖譜的問答由Google 提出，是一種基于語義網絡結構的知識庫[10]，這類問答適用于推理性場景問答。②從業務層面來說，智能問答平臺建設面臨一些問題，主要有技術學習成本高、缺乏專業團隊運維，資源統籌難度大、缺乏制度保證，業務梳理復雜度高、問答未標準化等。

綜上分析，本研究認為在技術層面，問答技術方案的選擇應依據“按需選擇、分類使用”原則，結合高校實際需求和各種技術優勢，根據問答類型與場景分類來決定技術方案。以華中科技大學為例，在智能問答平臺的運用過程中，該校利用知識圖譜技術收集知識并建立知識之間的邏輯關系，從而完成了復雜場景的問答創建；同時，該校以基于FAQ 的問答、基于自然語言的問答作為技術輔助，構建了簡單問答場景。而在業務層面，智能問答平臺要制度先行，做好頂層設計，加強各單位的業務聯動，形成知識庫一體化管理的運維模式。在高校，知識庫建設要以院系為單位申請，通過標準化模板對業務進行梳理導入，同時根據業務需求對問答類型進行分類并建立問答場景，由專業技術團隊針對問答場景建立模型、調整參數，實現業務查詢的便捷化、咨詢渠道的官方化、統計分析的全局化、問答效果的智能化、業務覆蓋的全校化。

二 高校智能問答平臺的建設策略與思路

為了解高校在智能問答領域建設所面臨的問題及其發展趨勢，本研究通過問卷調查形式，從部署形式、服務對象、知識集體量、業務對接四個維度調研了包括清華大學、復旦大學在內的10 所高校的智能問答建設情況，如表1 所示。各高校普遍反映將在“十四五”期間以建設高校知識庫為目標，以大平臺建設為出發點，結合學校的實際特點，在教學、業務咨詢、知識管理等多個維度實現“線上”智能化。通過分析問卷調查內容，本研究發現高校智能問答平臺的私有化部署將是未來趨勢，因為私有化部署一方面可保證高校自有知識體系的安全性，另一方面可為其它業務部門進行知識共享提供對接渠道。

表1 10 所高校智能問答調研表

基于上述分析，華中科技大學從用戶角度出發，以“便捷性、智能化、大融合”為設計理念構建高校智能問答平臺。其中，“便捷性”是指從用戶提出問題到獲取答案的過程實現全流程一站式服務；“智能化”體現為通過問答平臺一體化建設實現多輪問答上下文會話的識別與推理，具備推理性場景問答的構建條件，且對單輪問答的回復有較高的準確度；而“大融合”是指通過現有信息化基礎平臺，整合科研、人事、財務、醫療等維度的業務數據，供智能問答平臺對口業務部門使用，實現數據層面的共享。為統籌管理全校問答業務，華中科技大學采取“五個統一”策略（統一建設、統一安全、統一學習、統一監控、統一服務），以實現整個問答業務體系的大平臺建設，為師生提供多業務場景的咨詢問答服務。智能問答平臺業務流程如圖1 所示。

圖1 智能問答平臺業務流程

1 統一學習

統一學習是指通過對算法模型集中、專業地進行統一管理與建設，來降低二級單位管理者的學習成本，同時可以實現針對不同問答場景動態調整問答算法的目的。統一學習的核心是對問答過程中使用的技術進行統籌管理，按照模塊化的思路，智能問答平臺在技術上分為基礎層、數據層、AI 能力層、計算層與展示層。其中，基礎層是服務器資源和存儲資源的集合；數據層是對文件系統、數據庫資源進行管理，并對其它對接業務系統的業務數據進行結構化存儲；AI能力層將智能學習用到的分詞算法、聚類分析算法等進行模型集成，方便管理員針對不同場景選擇不同的模型，從而通過調整模型參數尋求最優解決方案，其本質是模型算法的集合；計算層將問題向量化后，對問題進行去噪、降維，通過計算問題的相似度進行問題聚類；展示層則對智能學習結果進行前端反饋。

問答數據學習是智能問答平臺的一個關鍵核心，在技術體系上屬于AI 能力層，由于問答數據學習是一個專業性很強的過程，故平臺基于“專業人做專業事”的思路，對問答數據策略的調參與調優采取統一由技術單位網絡與計算中心負責的方式。對于未知問題和相似問題的處理則需要各業務單位管理員協同參與，構建問答學習的邏輯閉環。

按照業務邏輯，問答數據學習可分為：①聚類學習，主要用于不同用戶針對同一業務不同問法的學習，即針對相似問題的聚類學習。具體來說，聚類學習是通過收集用戶提問方式和同一問題的不同問法，自動分析關聯或歸類同一答案所對應的不同問法，并由各業務單位管理員審核添加進知識庫中。②知識庫學習，是在技術層面通過接入專業知識庫來豐富知識語料庫，另外還可以通過自我學習的功能，將服務咨詢的經驗不斷積累到知識庫中，這樣所有知識學習的中間過程均有記錄，由平臺管理員統一根據學習記錄信息來決定是否保留學習結果，從而實現知識庫自身的優化。③未知問題學習，在業務層面分為咨詢服務與知識點答疑兩類。其中，在咨詢服務層面，如果用戶咨詢的問題不在知識庫范圍之內，該問題將被當作未知問題處理；在知識點答疑層面，如果學生針對課堂的提問不在教學知識庫中，該問題也將被當作未知問題處理。對于未知問題的處理是對已有問答知識庫的補充與優化，相當于一個正反饋機制，既是對基礎知識庫的補充，也可通過對未知問題的記錄，為管理員后期優化知識庫提供數據支撐。

2 統一建設

統一建設是由學校統籌對平臺進行搭建與維護，同時對全校知識庫進行一體化建設與管理。

（1）平臺級建設

平臺級建設是指站在學校層面，對整體的管理體系和技術棧進行管控與把握，通過不斷優化頂層設計，協同各單位發揮問答業務的內在能動性，更好地為師生提供優質服務[11][12]。具體來說，平臺級建設包括在制度上進行規范管理和在技術上形成統一模型：

①在管理層面上，智能問答平臺按照“統一規劃、分級管理、各負其責”的原則建設和管理知識庫，一方面學校在頂層設計上確保二級單位不會重復建設；另一方面從源頭上確保知識來源于官方渠道，并統籌各二級單位對知識庫進行一體化管理與維護。

②在模型層面上，智能問答平臺離不開數據模型、管理模型和呈現模型的支撐。其中，數據模型提供高?；A業務數據，供知識庫建設時選擇使用；管理模型對基礎業務數據進行增量同步與數據分類；呈現模型則針對不同角色，提供不同的交互方式。

（2）基礎知識庫建設

基礎知識庫建設是高校智能問答平臺建設的重點。根據高校業務特點，基礎知識庫建設的內容一般包括教學知識庫、業務知識庫和專業知識庫的建設。

①教學知識庫。高校是師生進行科研、學習的重要場所，可通過建立教學知識庫來滿足師生日常教學的需要。在架構層面，教學知識庫一般采用“院系—學科—課程”三層結構進行構建。在管理層面，教學知識庫多采用“N+1”管理模式，其中“1”為各教學單位的教務員，負責對學院公共基礎課知識進行收集與維護；“N”為各課程的教師，負責對課程的常見問題、課程知識點進行匯總與管理。而在運維層面，為了方便用戶對知識進行查詢與管理，教學知識庫多采用“一問一答”模式，從源頭上規定知識的類型與結構，方便教學知識的批量導入與處理。

②業務知識庫。業務知識庫主要是對涉及各個業務歸口單位的知識進行匯總。業務知識匯總一般采用“核數據、定類型、后導入”的模式，即首先按照業務單位需求對問答數據進行總結與提煉；然后對問答數據進行分類，確定問答數據是屬于單輪問答、多輪問答、場景式問答、查詢式問答還是富文本問答；最后將問答數據按照單位進行分批導入。

③專業知識庫。專業知識庫泛指針對專業性、業務性較強的特殊領域所建立的知識庫，這類知識庫建立的基本條件是需要有業務專業人員參與全流程，包括進行知識數據校對與測試。高校要建立的專業知識庫主要有兩類：一類是醫療類知識庫，另一類是財務類知識庫。專業知識庫的建立多采取“一主體、二校對、三審核、四反饋”的機制，即先由單位管理者提出問答知識構建申請，并依據問答類型進行問題的梳理與校對，然后由業務專業人員將問答審核匯總入庫，最后建立用戶與管理者的反饋機制，以實時根據用戶需求調整、優化問答策略。

3 統一服務

統一服務的根本是充分利用問答交互數據，打通高校各業務系統的數據壁壘，有效發揮數據價值，為管理決策提供服務。

（1）建立業務數據整合體系，發揮高校信息化優勢

目前，高校信息化建設大多以各業務方為主體，很多數據都是反復填報，并沒有被有效利用形成經驗知識集。經驗知識集的構建，通常遵循高?！耙粡埍怼逼脚_業務數據“收集一次，重復使用”的設計思路[15][16]。以智能問答平臺建設為契機，整合科研、人事、設備儀器等業務數據，匯聚于智能問答平臺中間庫，當業務單位建立知識庫時，就可以直接將中間庫中對應的業務數據推送給對應的單位供其選擇使用，故免去了大量問答數據重復錄入的工作，有助于實現問答數據的整合與復用，并提升知識庫創建和發布的效率。

（2）建立問答數據分析體系，發揮問答數據價值

目前，高校咨詢普遍使用電話、QQ 等傳統媒介，導致用戶的提問不能通過統一途徑進行有效匯集與知識沉淀。建立問答數據分析體系，采用“收集+分類+標簽”模式對用戶問題進行處理，對智能問答平臺的問答數據先按照業務屬性進行小類劃分，再依據業務單位進行大類劃分。問題標簽采取人工打標簽的方式，對每個問題進行標簽化處理，相當于為問題附上屬性值，一個問題可以含有多個屬性值，那么問答數據分析體系就可以從縱向的單位屬性和橫向的業務屬性對用戶關心度高、咨詢熱度高的問題進行分析，從而給各個單位的決策者提供宏觀層面的數據，以助其更加了解本單位的業務問題，進而改進服務質量，為深化改革提供數據支持。

4 統一安全

統一安全是指保障知識庫的建設安全，并確保知識庫在實際場景使用過程中的交互安全。

（1）知識庫安全

知識庫安全實質是知識安全與知識訪問安全的合集：①為了確保知識安全，知識庫在業務層面上做了知識隔離，使各業務單位只能對本單位的知識進行查看與維護。②智能問答平臺在知識訪問安全方面對角色進行劃分，針對不同角色關聯不同的知識庫，即可根據登錄身份來決定可以提問的范圍，從而避免敏感知識的泄露。

（2）知識庫交互安全

知識庫交互安全分為兩個部分：①知識庫發布安全。在管理層面上知識庫發布采取兩級審核機制，第一級審核由各單位管理者進行把控；第二級審核由平臺管理員進行核對，從流程上確保問答內容的安全性。在技術層面上知識庫發布采用敏感詞庫校驗規則，待發布的知識集合都需要通過敏感詞庫進行過濾，被核定為敏感詞的知識集將被退回給知識集的發布者重新進行檢查與修正。②知識問答過程安全，即采取先過濾后處理的方式，當提問者的問題涉及敏感詞時，智能問答平臺將對敏感內容自動進行過濾并做隱藏處理，以實時保證問答過程的安全。

（3）運行環境安全

運行環境安全是指通過硬件層面的系統防火墻與網絡層面的訪問控制來保證整個平臺的運行穩定。通過系統防火墻，可以對典型的攻擊進行有效攔截；而通過網絡來控制校內、校外訪問權限，可以實現整個平臺的運行安全。

5 統一監控

統一監控從硬件、軟件、服務等多個維度對智能問答平臺進行一體化監管，釋放管理壓力，降低運維成本。

（1）平臺運維

智能問答平臺運維采用“一體N 翼”模式：“一體”是以技術部門為主體，在技術層面保證平臺硬件、軟件、對外服務的正常運行；“N 翼”是以各業務單位為主體，各提問個體為輔助，在業務層面對知識集進行管理與維護，在管理層面保證從知識庫建設到發布上線實行全流程規范化操作，包括渠道申請、知識庫建設、子用戶權限分配管理等。

（2）動態監控

在信息化高速發展的背景下，監控不僅僅是傳統意義上的硬件設備監控，還有數據監控與服務監控[13][14]。動態監控是指對知識庫的運維情況、安全情況、訪問情況進行實時監控與反饋：①在運維層面，通過對平臺硬件資源、軟件服務的實時監測，可以提升知識庫的安全防護能力和知識服務質量，從而建立長效的安全保障機制，這樣運維人員可以快速掌握平臺的運行狀態，迅速定位故障根源。②在安全層面，智能問答平臺可實時監控知識交互過程的安全情況，保障學校知識庫的健康、穩定運行。③在訪問層面，可視化展示智能問答平臺的所有數據，一方面可以讓管理員對所屬單位知識庫的運維做到心中有數，另一方面學校相關負責人可以站在全局的高度查看學校整個知識庫信息化資產的建設成果。

（3）監控反饋

師生咨詢問題的準確度直接影響咨詢用戶的滿意度。為獲得有效的問答監管效果，智能問答平臺采用兩級反饋機制：第一級反饋是基于問題的反饋，這樣可以有效形成從提問者到管理員的閉環管理，即在業務層面上，各單位管理員根據反饋的問題實時掌握用戶提問的習慣，并通過對未知問題的反饋和用戶提問習慣來對問答內容進行優化，如增加相似問、豐富問答知識庫等；第二級反饋是基于整個問答場景的反饋，即在技術層面上，平臺管理員可以通過問答滿意度對問答策略與算法進行優化，如問題權重設置、同義詞替換、分詞算法調整等，來提高問答的準確度。具體的問答反饋機制流程如圖2 所示，包括：首先對問答知識庫進行初始化，然后根據提問者問題進行問答類型的分類，最后根據問題反饋問答結果。問答結果反饋在用戶層面是直接顯示問答結果，在二級單位管理員層面可以根據未知問題和用戶提問習慣來對知識庫進行內容方面的優化，在管理員層面可以根據整個問答會話對知識庫進行算法方面的優化。

圖2 問答反饋機制流程

華中科技大學采取“五個統一”策略建設智能問答平臺，解決了問答數據從產生、存儲、交互、使用到運維全生命周期的管理，實現了服務便捷性、管理智能化、數據可視化的目標。

三 高校智能問答平臺常見的服務應用與實踐效果

智能問答平臺建設的目的是為全校各單位提供服務，需根據各單位的屬性，基于不同使用場景建立不同類別的知識庫。

（1）服務應用

按照業務的不同，高校智能問答平臺提供的服務主要分為面向業務的咨詢服務、面向教學的知識交互服務和面向專業的查詢服務，其具體的服務應用流程如圖3 所示。面向業務的咨詢服務有三種表現形式：①純線上模式，即直接與網站、公眾號進行對接，目前二級單位均采取此種模式為用戶提供咨詢服務；②“線上+線下”模式，即線上問答與線下辦事機器人相結合，適用于高校師生服務中心，目前西安交通大學通過這種模式探索業務咨詢服務；③“線上+人工”模式，即當線上業務咨詢不能滿足用戶需要時轉接到人工服務，目前高校如后勤部門、采購中心等事務性咨詢頻繁的單位均采取此種模式。此外，面向通用知識的咨詢和面向聊天的交互是作為一個標準化組件服務于智能問答平臺的。

圖3 高校智能問答平臺常見的服務應用流程

面向專業的查詢服務在高校的重點應用方向有兩個：①為財務處提供財務報賬咨詢；②為高校附屬醫療機構提供醫療服務咨詢。此類服務應用首先需要在專業領域進行業務層面的分類，其次需要將問答數據與對應單位的業務系統（如財務處的財務系統、附屬醫院的HIS 系統）做數據層面的清理和對接，最后所有專業知識需要通過專業人員的審核才能入庫使用。

面向教學的知識交互服務充分利用線上教學資源，以學院為單位、教師為主體、課程為依托建立教學知識庫。目前，教學類問答一般和線上教學軟件進行整合使用，以華中科技大學為例，在應用方面，學校將智能問答平臺與其“微助教”打通進行聯動；在數據方面，學校匯聚多個基礎教學數據庫為教學知識庫的建立提供數據支撐；在實時反饋方面，教師通過“微助教”將學生的提問直接同步至智能問答平臺的未知問題知識庫，供教師針對課堂問題匯總回答并入庫；在經驗知識方面，教師在課前對課程知識難點總結入庫供學生查詢；在資源知識方面，智能問答平臺供教師分享課件、視頻等多媒體資源，并通過問答交互形式供學生下載學習。

（2）實踐效果

截至2021 年12 月，華中科技大學智能問答通過“大平臺”建設整合了包含院系、職能部門等在內的10 個業務單位；通過“一體化”管理處理了20 項師生關心的服務事項，并建立起了問答數據監控體系；通過“集中化”運維累計整理業務問答數據2114 條，為5.7 萬師生提供了服務。本研究從業務范圍和問答類型兩個維度，呈現了華中科技大學的智能問答實踐效果，如表2 所示。

表2 華中科技大學的智能問答實踐效果

四 結語

華中科技大學建設智能問答平臺時采取的“統一建設、統一安全、統一學習、統一監控、統一服務”策略和具體思路，推動了知識庫統一管理、問答模型統一建設、問答交互統一服務、問答安全統籌監控的實現。隨著教育智能化的不斷推進，未來的高校智能問答平臺將在教育方面深度融合教學，利用語音識別與可視化3D 等輔助技術，構建虛擬仿真3D 的問答業務場景；在知識庫建設方面，將針對高校的共性知識，通過接口、數據推送等工具實現其在校際之間的調用與共享；在問答模型建設方面，將采用組件化形式進行算法模型部署，增加問答模型的擴展性。