说“知识库”之前，需要明确两个概念，知识库来自两个不同的领域，一个是传统的数据库领域，传统知识库。另一个是人工智能及其分支-知识工程领域，叫做智能知识库，
一、传统知识库
我们呼叫中心的知识库截至目前其实是属于传统知识库，或者叫做知识库管理系统。主要是用来管理我们常用的一些业务、资费、营销活动的结构化知识以及其它文档、图纸、视频和音频等信息的非结构化知识。
呼叫中心知识库管理系统主要有什么功能呢，根据需求不同可能涵盖功能会有变化：
（一）、操作员管理
每一个操作人员使用各自的操作员代码进入系统，操作员的操作实行权限管理：不同的操作员的操作权限有所不同,操作员的系统操作权限大致可以分为三种：知识的浏览、查询权限、添加和修改知识库权限、提交权限、修改权限、最终审核权限等。
（二）、知识库管理
知识收集：包括知识编号、知识的标题、大类、小类、关键字、发布时间、浏览次数、发布人、是否审核、知识内容的详细描述、最后浏览时间、备注等
知识来源：直接录入、坐席的【我的知识】模块的知识转入、服务受理模块的知识转入
知识维护：修改知识的标题、发布时间、发布人、备注、历史记录等。同时可以删除该需求。
知识审核：由拥有审核权限的操作员对知识进行审核。只有当该知识通过审核后，该知识才能在知识库生效。
（三）搜索和浏览
搜索和浏览是知识管理系统的关键所在，操作人员需要有限的时间内找到问题的答案。在这种压力下，系统提供快速高效找到答案的方法是非常重要的
搜索和浏览主要功能如下：
1、浮动搜索：针对知识标题的即时搜索。这种搜索方法和Google的搜索很相似，只要输入有效的关键字则即时浮动下拉显示出相关的答案，在给出的答案中选择符合客户需求的信息。
2、快速搜索：可分别根据标题、关键字、内容快速匹配，便于客服人员快速找到答案。
3、自定义搜索：操作员可以根据需要，自定义结构化的搜索方式。
4、排行榜：将一段时间内，访问最大的知识呈现给坐席，清晰明了，便于客服人员在其中选择合适的答案
（四）报表统计
系统提供按照知识登记日期、知识大类、知识小类统计报表。
可以看出来传统的知识库其实是管理系统的一种，也是增删改查为核心的传统IT应用（偏向于管理结构化数据和知识）。起码运营商的知识库管理系统在每个省的应用是规模较大的IT系统，涉及的人员多、流程多，需求调整频繁，用户满意度低。
传统知识库系统对于坐席来说非常重要，最新的资费、业务、政策或者营销活动都通过知识库系统传递给坐席，没有一个坐席是可以掌握这么多结构化知识的，所以传统知识库对于坐席来说非常重要的，但是重要意义仅限于“业务知识库”，通过这个工具来学习、掌握和使用业务知识。
二、智能知识库
某某讲的知识库主要是说“智能知识库”，什么是智能知识库（这个名字也是我用来和传统呼叫中心知识库进行区分的）呢？AI人士眼中的知识库(Knowledge Base)是知识工程中结构化，易操作，易利用，全面有组织的知识集群，是针对某一(或某些)领域问题求解的需要，采用某种(或若干)知识表示方式在计算 机存储器中 存储、组织、管理和使用的互相联系的知识片集合。这些知识片包括与领域相关的理论知识、事实数据，由专家经验得到的启发式知识，如某领域内有关的定义、定理和运算法则以及常识性知识等。
有点绕。
智能知识库与传统知识库相比，有几个明显特点：
1、知识库的知识是有层次的。最低层是“事实知识”，中间层是用来控制“事实”的知识（通常用规则、过程等表示）；最高层次是“策略”，它以中间层知识为控制对象。知识库的基本结构是层次结构，是由其知识本身的特性所确定的，知识片间通常都存在相互依赖关系。
2、自动知识抽取。自动知识抽取的最大优势是良好的可扩展性，即快速构建大规模知识库的能力，但这种可扩展性常常以牺牲精度和某些知识类型上的覆盖率为代价。所以需要很多研究工作来提升抽取的精度和覆盖率（尤其是属性和关系提取的精度和覆盖率），同时需要研究如何将自动抽取、手工编辑相结合而得到高性价比的知识库。从抽取的知识类型来看，目前的知识类型和知识结构可能尚不足以有效支持自然语言理解等应用。相比于人类的知识结构，计算机知识库中所包含的常识和与动作相关的知识还不足。
智能知识提取的主要任务就是构建知识图以及生成图结点间的关系，具体子任务包括：
实体名提取提取实体名并构造实体名列表。（如88元套餐，是一个个例）
语义类提取构造语义类并建立实体（或实体名）和语义类的关联。（如资费、营销活动、是一个类）
属性和属性值提取为语义类构造属性列表，并提取类中所包含实体（或实体名）的属性值。（如88元资费的资费编码、描述、资费介绍等等是属性）
关系提取构造结点间的关系函数，并提取满足关系的结点元组。
三、几个概念
1、知识图谱
知识图谱好像和智能知识提取相关，知识图谱是图状具有关联性的知识集合。知识图谱是比较新的一个说法，的确应该是受语义网的启发。把语义网的知识库给形象化的表示出来了。重在抽取关系，便于展示高关联性，高结构化的结果。
2、原子化知识库
重构互联网化的知识支撑系统，改变文档式的传统知识库，将知识文档“肢解”，碎片化处理，统一知识底层为颗粒度更小的原子化的知识点，组合形成原子化知识库（Atomic Knowledge Management System，以下简称AKMS），实现对全渠道服务的知识集中支撑系统。
建设AKMS其实就是解决两个问题，第一，将知识点打碎，形成一个一个F&Q（Frequently Asked Questions，频繁出现的问题）以便于知识点的存储和更智能的搜索调用，这种调用是在机器人服务和在线服务中的使用模式；第二，将知识点重组，形成更具逻辑可以查看的文档式结构，以便于一线同事的查阅。
关于原子化知识库，广东在线进行了一些试探。广东在线任亚龙在《服务转型,从原子化知识库起步》进行了阐述，该文章百度可以搜索。
四、2016年总结的知识库建设目标
1、知识智能辅助
结合语音识别系统，通过识别实时通话内容，确认服务场景，分析用户意图，主动、智能提供知识内容，支持人工服务与智能服务结合，减少坐席手动操作步骤。
2、智能自我进化
能够通过自我学习，完成知识库引擎的自我进化，能够自我升级语义分析能力，提高搜索准确率以及自动采编识别率
3、自动采编
支持知识自动采编，能够将多种非结构化素材进行结构化转换，并自动采编为知识，具有学习能力，能够逐步提升采编的准确性，减低知识采编压力。
4、服务智能融合
将知识和服务进行结合，为客户提供智能化的知识服务，能够为客户提供实时的相关业务操作，提高服务效率。
五、下一步规划
1、知识库在传统客服、文本服务机器人、语音导航里面都将得到更好的应用，起码语音导航的语义理解知识库（小型知识库）我们是必须统筹建设的。
2、针对传统客服的传统知识库，通过提升搜索、跟随能力提升知识库的利用率。
3、希望统一做的知识库可以考虑融合坐席的需求，建设更加强大的知识库系统。
