为了能更好的服务开发者，也为了进一步降低开发者使用平台的成本，UNIT上线了结构化知识问答能力。开发者不需要基于结构化知识提取问答、设置意图和词槽，只需要在平台上提供结构化知识表格就可以实现表格数据的自动问答。

【表格问答能够解决什么样的问题】

用户输入结构化的实体数据，机器通过对结构化知识进行训练生成技能，回答有关该结构化知识的查询问题，主要可以回答两类问题，

a. 以实体名称询问该实体的属性，如：美丽才是大事业是谁写的？

b. 以属性条件来查询满足条件的实体，如：郑建斌写了那些书？

举例：

1、输入训练数据：结构化知识如下

2、可支持的用户问法：

    1)美丽才是大事业是谁写的？

    2)郑建斌写了哪些书？

    3)美丽才是大事业是那个出版社的？

    4)美丽才是大事业的一级分类是什么？

    5)美丽才是大事业的二级分类是什么？

    6)美丽才是大事业的作者和出版社以及一级分类和二级分类是什么

    7)中国华侨出版社的书有哪些

    8)成功励志的书有哪些

    9)人际处事的书有哪些。

    备注：支持各种属性的排列组合。

【怎样在UNIT平台快速创建表格问答技能】

    UNIT提供管理API和对话API供开发者实现上述功能，构建一个完整技能的流程如下：

1、需求分析
     首先需要选择合适的场景，该对话场景需具有结构化或能够梳理出结构化的表格数据，依据该表格数据有智能对话问答诉求，例如以下图书场景数据，构建结构化的数据如下：

2、技能构建
     当需求确认后，可通过管理API进行技能构建，生成对应模型，在管理API中构建一个技能需要涉及技能创建、结构化知识上传、同义词上传、回复话术配置及模型训练等步骤，便能获取想要的问答技能。

     1）创建技能

        通过接口API创建技能；

     2）定义schema

       定义业务数据的schema；

     3）结构化知识上传

        需要把上述梳理的结构化表格数据按照API的格式要求上传作为训练数据；

     4）同义词上传（非必须）

        同义词上传为非必须操作，主要是为了提升系统的整体问答效果，例如鲁迅又称周树人，这个时候需要把周树人作为鲁迅的同义词进行添加，便于问答系统进行解析；

     5）回复话术配置（非必须）

        系统有默认的话术答复方式，若不满足用户诉求时，可按照回复话术配置要求进行话术个性化配置；

     6）模型训练

        完成上述操作后可发起模型训练，从而生成对应技能模型。

3、对话API调用
       上述技能构建完成后，可通过对话API实现对技能进行调用，获取属于您的表格问答技能。

      具体使用样例详见：https://ai.baidu.com/unit/v2#/innovationtec/detail/kgqa

后续，表格问答能力也会在创新技术区上线前端操作页面，大家可以一键上传表格，通过训练获得问答能力。欢迎大家体验我们的创新能力，有任何问题或者建议随时向我们反馈～