專業(yè)領(lǐng)域智能問答系統(tǒng)設(shè)計及應(yīng)用

莊莉 蘇江文 盧偉龍 張曉東 陳江海

（福建億榕信息技術(shù)有限公司 福建省福州市 350003）

1 智能問答系統(tǒng)的設(shè)計需求

智能問答系統(tǒng)可對知識信息追本溯源，并借助智能助手為用戶提供多種語言交互功能，降低此類實訓(xùn)的操作門檻，使實訓(xùn)過程的信息服務(wù)更加精準(zhǔn)全面，提高智能實訓(xùn)系統(tǒng)易用性。根據(jù)功能的不同，可將其分為以下模塊，彼此之間緊密聯(lián)系，均以服務(wù)用戶為目標(biāo)。

（1）知識庫梳理模塊。該模塊的應(yīng)用對象為數(shù)據(jù)標(biāo)注人員，采用本體類標(biāo)注，并根據(jù)本體類向用戶顯示標(biāo)注結(jié)果，要求顯示知識維度和知識拓?fù)洹１鞠到y(tǒng)需要人工設(shè)置領(lǐng)域內(nèi)的關(guān)鍵詞，并以此為依據(jù)顯示出對應(yīng)的答案，該模塊還支持標(biāo)注者手動添加關(guān)鍵詞，滿足知識庫編輯需求。

（2）系統(tǒng)維護(hù)模塊。該模塊可滿足工作人員日常維護(hù)工作，易于添加標(biāo)準(zhǔn)問題、答案和分機問題，操作員也可以根據(jù)權(quán)限對相應(yīng)內(nèi)容進(jìn)行修改。在執(zhí)行刪除操作時，應(yīng)區(qū)分刪除的內(nèi)容。在執(zhí)行刪除標(biāo)準(zhǔn)問題時，如果與之相對應(yīng)的答案沒有展開，則在刪除標(biāo)準(zhǔn)問題后，將標(biāo)準(zhǔn)答案與擴展問題將被一起剔除。

（3）用戶查詢模塊。該功能要求針對用戶所提問題給出想要獲取的正確答案。在執(zhí)行用戶查詢操作中，用戶可根據(jù)獲得的答案向系統(tǒng)提交滿意度。如果不滿意，系統(tǒng)可以允許用戶將通過其他方式對答案進(jìn)行補充。通過智能助手的應(yīng)用，可在交互期間感知和采集用戶操作行為，依靠精細(xì)化日志分析人工智能實訓(xùn)平臺的應(yīng)用狀態(tài)，并提出相應(yīng)的優(yōu)化意見，促進(jìn)實訓(xùn)平臺產(chǎn)品不斷優(yōu)化升級。在用戶日志基礎(chǔ)上，通過優(yōu)化推薦系統(tǒng)、搜索引擎等方式，將用戶日志的價值充分突顯出來，使問答歷史得到準(zhǔn)確高效的記錄。

2 智能問答系統(tǒng)設(shè)計內(nèi)容與方法

2.1 設(shè)計內(nèi)容

該項目在知識圖譜基礎(chǔ)上開展，包括智能助手應(yīng)用、基礎(chǔ)服務(wù)、平臺集成研發(fā)等內(nèi)容，創(chuàng)建知識網(wǎng)絡(luò)可為實訓(xùn)全過程提供服務(wù)，使用戶能夠按照自然語言智能交互，為實訓(xùn)全過程提供準(zhǔn)確信息，提高實訓(xùn)系統(tǒng)應(yīng)用便捷性。面向智能助手研發(fā)基礎(chǔ)智能服務(wù)，將搜索、信息推薦、智能問答等基礎(chǔ)類服務(wù)統(tǒng)一提煉與封裝，為智能問答與相關(guān)應(yīng)用提供支撐服務(wù)，具體內(nèi)容如下。

（1）信息推薦服務(wù)。該服務(wù)可在內(nèi)容、瀏覽歷史與協(xié)同過濾基礎(chǔ)上進(jìn)行個性化推薦，并挖掘用戶的興趣愛好等，適用于文檔資料推薦、課程推薦以及問答檢索推薦等相關(guān)場景內(nèi)；

（2）綜合搜索服務(wù)。該服務(wù)包括非結(jié)構(gòu)化內(nèi)容全文檢索，可在知識圖譜基礎(chǔ)上進(jìn)行檢索。智能助手可提供兩種基礎(chǔ)性服務(wù)，綜合服務(wù)可將課程資料、人工智能知識搜索、知識圖譜等整合起來，可為人工實訓(xùn)平臺提供公共搜索服務(wù)；

（3）智能問答服務(wù)。在語義網(wǎng)、自然語言處理以及機器學(xué)習(xí)等技術(shù)方面，可結(jié)合電子專業(yè)知識、實訓(xùn)課程、人工智能知識等創(chuàng)建結(jié)構(gòu)化問答知識庫，從問題檢索、理解與答案生成等方面開展問答服務(wù)，研究出一對一應(yīng)答、交互應(yīng)答的問答服務(wù)。

2.2 設(shè)計方法

根據(jù)需求分析與基本服務(wù)可知，該系統(tǒng)主要包括知識庫梳理、系統(tǒng)維護(hù)與用戶查詢?nèi)梼?nèi)容。其中，知識庫梳理包括知識拓?fù)渑c維度展示、本體類管理、問答歷史管理等功能；系統(tǒng)維護(hù)包括標(biāo)準(zhǔn)問題、答案與拓展問題增刪功能；用戶查詢包括反饋結(jié)果、數(shù)據(jù)庫查詢等功能。

（1）知識庫梳理。該模塊為抽象類，包括知識維度、拓?fù)湔故镜葍?nèi)容，并在內(nèi)部執(zhí)行具體操作。其中，抽象類可提供與數(shù)據(jù)庫相關(guān)的操作，并在木塊內(nèi)以特定數(shù)據(jù)的形式展示出來。子模塊包括庫中多類問題與答案增刪功能，本體管理可將知識拓?fù)浜途S度展現(xiàn)給用戶，管理和查詢問答歷史數(shù)據(jù)，日志內(nèi)容支持查詢與增減，但不能手動添加日志；Word 類管理負(fù)責(zé)系統(tǒng)中的所有關(guān)鍵字，如培訓(xùn)要點、考試要求等；根據(jù)培訓(xùn)機構(gòu)的特點，發(fā)布常見問題，用戶可以手動添加問題和答案到系統(tǒng)中。同時，利用機器學(xué)習(xí)技術(shù)可結(jié)合人工智能知識，創(chuàng)建結(jié)構(gòu)化問答知識庫，從問題檢索、理解與答案生成等方面開展問答服務(wù)，獲得交互應(yīng)答的問答服務(wù)；

（2）系統(tǒng)維護(hù)。該模塊可面向智能助手研發(fā)基礎(chǔ)智能服務(wù)，將搜索、信息推薦、智能問答等基礎(chǔ)類服務(wù)統(tǒng)一提煉與封裝，為智能問答與相關(guān)應(yīng)用提供支撐服務(wù)，主要為系統(tǒng)維護(hù)人員提供服務(wù)，系統(tǒng)培訓(xùn)師在系統(tǒng)中是維護(hù)人員，為用戶問答進(jìn)行回復(fù)，并支持用戶自行編輯答案、系統(tǒng)維護(hù)。

（3）用戶查詢。該功能包括三個子類，均可以完成系統(tǒng)算法模型的相關(guān)應(yīng)用。其中，LuceneRank 類作為基本模塊，可利用Lucene 全文檢索系統(tǒng)將答案在列表中展現(xiàn)出來；VectorModel 類作為混合向量模塊，可利用預(yù)先訓(xùn)練好的問題，創(chuàng)建向量模型，然后根據(jù)該模型內(nèi)的反饋答案傳遞到相應(yīng)的列表內(nèi)；LearningToRankModel 類針對現(xiàn)有答案列表進(jìn)行排序，然后根據(jù)查詢模型運行程序，將最佳的答案反饋給用戶。

2.3 總體設(shè)計

2.3.1 主體結(jié)構(gòu)

結(jié)合智能問答系統(tǒng)的現(xiàn)實需求，創(chuàng)建該系統(tǒng)的主體架構(gòu)，如表1 所示。主要包括問題解析、服務(wù)檢測與上下文管理、知識梳理等模塊。該系統(tǒng)應(yīng)用中，用戶自然語言查詢后，利用語音輸入法將語音變成文字，再利用聲韻母語音識別文本，對錯誤字音進(jìn)行糾正，得出與領(lǐng)域相關(guān)的正確語句。在詞典糾錯期間，針對文本進(jìn)行分詞，因部分詞語有多重含義，需要利用同義詞典將其轉(zhuǎn)換，再利用條件隨機場模型做好問句標(biāo)注，獲得相應(yīng)的＜領(lǐng)域詞，詞語含義＞二元組串。

表1：智能問答系統(tǒng)主要內(nèi)容

因上下文本間有所關(guān)聯(lián)，對用戶查詢結(jié)果產(chǎn)生較大影響，在對問句的二元組串查詢后，應(yīng)對上下文的關(guān)聯(lián)情況進(jìn)行判斷。如若判斷結(jié)果是“有關(guān)聯(lián)”，則應(yīng)將組串加入本次查詢的二元組串內(nèi)，根據(jù)該元素的語義創(chuàng)造查詢請求服務(wù)，再將該服務(wù)與語義特征構(gòu)造查詢請求服務(wù)相結(jié)合，使請求服務(wù)與查詢服務(wù)相對應(yīng)，便可得到符合實例條件的查詢服務(wù)，將其當(dāng)作查詢服務(wù)。同時，還應(yīng)利用owl-s 對查詢結(jié)果進(jìn)行檢驗，再將結(jié)果納入到查詢上下文的表內(nèi)以備后用。如若判斷結(jié)果為“無關(guān)聯(lián)”，則為用戶反饋“無結(jié)果”，由此完善全部查詢流程。

2.3.2 服務(wù)描述規(guī)則

在智能問答系統(tǒng)中，服務(wù)屬于關(guān)鍵環(huán)節(jié)之一，系統(tǒng)按照用戶的提問為其提供相應(yīng)的搜索結(jié)果，將搜索參數(shù)實例化后調(diào)用服務(wù)，并將最終結(jié)果展示給用戶。因服務(wù)與搜索結(jié)果息息相關(guān)，根據(jù)服務(wù)特點與用戶需求，應(yīng)對相應(yīng)服務(wù)規(guī)則與基本概念進(jìn)行描述，如下。

Service 代表的是存儲相關(guān)服務(wù)的頂層概念，將與服務(wù)描述相關(guān)的概念知識放于下層；

Domain 代表的是頂層概念，下層存儲與本領(lǐng)域有聯(lián)系的概念，例如時間概念、地點概念等；

OtherCondition 代表的是存在服務(wù)描述剩余條件的頂層概念，能夠順利確定與之相對應(yīng)的服務(wù)，如用戶詢問動機如何，是想要搜索還是比較等等；

hasOwlInputSeq 代表的是概念屬性，其作用在于將用戶搜索的服務(wù)變成實例，與真實的Web 服務(wù)參數(shù)相對應(yīng)，可理解為服務(wù)參數(shù)與實例之間具有映射反應(yīng)；

hasOtherCondition 同樣是概念屬性，其作用是對描述服務(wù)的其他因素進(jìn)行展示，能夠與OtherConditon 相對應(yīng)。

2.3.3 命名實體識別策略

（1）文本糾錯策略。語音識別準(zhǔn)確性與命名實體的服務(wù)匹配度具有緊密聯(lián)系，進(jìn)而影響到實例化水平。在利用聲韻母語音識別后，還可利用文本糾錯法，使組合歧義類、未登陸詞處理、混合歧義、交際歧義等字段得到良好處理。在專業(yè)領(lǐng)域中創(chuàng)建領(lǐng)域詞典，單一元素為領(lǐng)域相關(guān)詞中的概念二元組，因部分詞匯具有多重含義，存在的概念較多。漢字是識別單元為音節(jié)，音節(jié)包括聲母和韻母兩項內(nèi)容。因此，可先用語音識別聲韻母后，再采用文本糾錯策略，依靠語音輸入法將用戶輸入的文本變成聲韻母串，再根據(jù)相似度對比進(jìn)行糾正，標(biāo)準(zhǔn)問題糾錯表如表2 所示。

表2：標(biāo)準(zhǔn)問題糾錯表

（2）實體標(biāo)注策略。在分詞后很容易出現(xiàn)一詞多義情況，可利用條件隨機場進(jìn)行詞性標(biāo)注。每條語料都包括編號與一段句子，且語料針對編號、句子內(nèi)的詞語進(jìn)行詞性標(biāo)注，因訓(xùn)練期間無需記錄編號，需要先對語料實施預(yù)處理，獲得符合訓(xùn)練要求的樣本。選取特征窗口長度為7，由7 個單詞和6 個二元組合而成。在模板內(nèi)，“#”表示的是注釋；U 表示的是采用Unigram 模板，00 表示的是編號；x[s,o]表示的是CRFs 內(nèi)的點（state）；在t 時段內(nèi)標(biāo)簽用s 表示，上下文用o 表示，如表3 所示。

表3：用戶查詢記錄表

（3）服務(wù)概念匹配策略。服務(wù)匹配的宗旨是將用戶提問關(guān)聯(lián)到與之相對的服務(wù)中，將＜領(lǐng)域相關(guān)詞，語義概念＞二元組串應(yīng)用到相應(yīng)的基本服務(wù)內(nèi)。在概念層級基礎(chǔ)上尋找匹配方式，將傳輸服務(wù)參數(shù)與相應(yīng)領(lǐng)域概念相配合，并將其分成不同類型。當(dāng)服務(wù)請求概念服務(wù)對象概念相同時，則說明二者相吻合；如若服務(wù)請求參數(shù)與服務(wù)對象內(nèi)超類相符合，則與搜索需求相符合，能夠進(jìn)行匹配；如若服務(wù)請求參數(shù)與服務(wù)對象內(nèi)的子類相對應(yīng)，因二者無法匹配，在實例化過程中參數(shù)類型可能發(fā)生改變，說明無法成功匹配；如若服務(wù)請求期間，同類參數(shù)數(shù)量較多，而在匹配服務(wù)中該參數(shù)數(shù)據(jù)集相同時，二者能夠成功匹配。例如，在搜索“河北省2018 年GDP”時，在服務(wù)請求中的輸入?yún)?shù)為GDP，屬于indicator，與服務(wù)對象輸入?yún)?shù)內(nèi)的indicatorSet 相對應(yīng)，二者便可成功匹配；如若服務(wù)請求內(nèi)的參數(shù)與服務(wù)概念中子類沒有關(guān)聯(lián)，在實例化過程中參數(shù)類型也會出現(xiàn)誤差，影響匹配成功度；

3 智能問答系統(tǒng)的實現(xiàn)

針對智能問答系統(tǒng)內(nèi)的部分功能，通過流程圖形式展現(xiàn)主要算法模塊的實際應(yīng)用，具體實現(xiàn)方式如下。

3.1 知識庫梳理

該系統(tǒng)中的知識庫包括兩種不同種類的知識源，一種是組織完畢的常見問題（FAQ）集合，可直接利用；另一種是需要人工梳理型知識源，依照技術(shù)手冊、網(wǎng)頁信息等進(jìn)行梳理。本系統(tǒng)重點對梳理第一類知識元素，將第二類知識元素手動應(yīng)用到第一類要處理的知識元素上。知識庫的梳理是系統(tǒng)預(yù)處理環(huán)節(jié)的關(guān)鍵組成部分，梳理效果對算法模型準(zhǔn)確率具有直接影響，具體如下。

（1）知識庫管理。在問答系統(tǒng)中知識庫作為中樞所在，包括分類、標(biāo)準(zhǔn)問題與答案、實例等方面。其中，實例代表的是相同答案的不同問法集合；分類是指用戶事先對不同問答對標(biāo)準(zhǔn)的信息；屬性代表的是不同類型的信息，例如辦事項、查詢項等等；標(biāo)準(zhǔn)問答是指用戶給出的FAQ 問答對；標(biāo)注人員對相同答案提供的多種問法即擴展問題。

（2）本體類與詞類管理。本體類管理主要對概念之間關(guān)系進(jìn)行表達(dá)，可分為實體與方法兩種類型。例如，在人工智能實訓(xùn)中，教學(xué)屬于方法類，教材屬于實體類。通過對本體類的科學(xué)管理，可完成知識繼承與總結(jié)的目標(biāo)；詞類管理重點對敏感詞、近義詞、前后綴等詞匯進(jìn)行管理，尤其是特定范圍內(nèi)的專業(yè)術(shù)語，可采用手動添加的方式，使詞類信息更加全面。

（3）問答歷史。該模塊可記錄用戶操作痕跡，并突出重點問題以及未能及時解決的問題，由此提高智能助手的智能化水平。在用戶日志基礎(chǔ)上，通過優(yōu)化推薦系統(tǒng)、搜索引擎等方式，將用戶日志的價值充分突顯出來，使問答歷史得到準(zhǔn)確高效的記錄，用戶信息表如表4 所示。

表4：用戶信息表

3.2 問題檢索

該模式是當(dāng)用戶輸入處理完畢后，系統(tǒng)可依照用戶所提問題進(jìn)行查詢，并將結(jié)果反饋給用戶，包括重新排序與Lucene 檢索兩個方面。Lucene 檢索將標(biāo)注的問題與答案配對，并以正則表達(dá)式展現(xiàn)出來。經(jīng)過知識庫梳理后，將標(biāo)準(zhǔn)問題擴展到不同的模板中，然后將問題和答案分別編入索引，在該模塊中引入查詢語句，并使用Lucene 判斷是否有匹配的答案。在此期間，Lucene 可以傳遞給用戶50 個最佳的答案，為后期程序排序提供參考。重排序模塊主要對Lucene 反饋結(jié)果的算法進(jìn)行優(yōu)化，借助事先訓(xùn)練好的模型來實現(xiàn)。在實際應(yīng)用中，可先調(diào)整開發(fā)集參數(shù)，并在詞向量技術(shù)基礎(chǔ)上，利用神經(jīng)網(wǎng)絡(luò)將其變?yōu)榫湎蛄?，由此得到最佳檢索效果。

3.3 問題理解

在自然語言技術(shù)的支持下，對用戶輸入語句進(jìn)行轉(zhuǎn)化，由原本的查詢語句變?yōu)橥ㄋ滓锥?、系統(tǒng)可準(zhǔn)確識別的語義，該系統(tǒng)利用三個模塊完成這一任務(wù)，具體如下。

（1）預(yù)處理。該階段是用戶輸入查詢語句時，系統(tǒng)對用戶查詢語句進(jìn)行處理，可將用戶查詢語句分為智能分詞和命名實體。在此之前，用戶輸入內(nèi)容沒有經(jīng)過分詞處理，需要利用開源漢語分詞包進(jìn)行準(zhǔn)確分詞，將特殊詞、詞組加入詞典中，使詞典內(nèi)容更加完善；后一階段為實體識別，該模塊的主要功能是識別語句中預(yù)先標(biāo)注的實體名稱和地名，并進(jìn)行不同的記錄；

（2）會話管理。主要是智能反問句，如果無法搜索到用戶的答案，系統(tǒng)會以用戶提出問題為中心，對相關(guān)問題進(jìn)行拓展，判斷用戶是否存在表達(dá)不清楚情況，并向用戶反問，如“您是否想咨詢XX 問題？”。

（3）后處理。該模塊以智能糾錯為主，包括拼音糾錯、拼寫糾錯兩個方面。其中，前者通過注音程序訓(xùn)練語料，建立相應(yīng)的訓(xùn)練模型，然后將置信度小的詞匯轉(zhuǎn)換為大詞，由此實現(xiàn)糾錯目標(biāo)；后者適用于字形錯誤糾正，在拼音準(zhǔn)確的情況下，通過拼寫糾錯可使問答系統(tǒng)反饋準(zhǔn)確率得到顯著提升。

3.4 上下文管理

在服務(wù)對象成功匹配后，應(yīng)對Wen服務(wù)參數(shù)實例化處理，使整個問答流程得以完善。在本系統(tǒng)中用wsdl 對Web 進(jìn)行描述，再經(jīng)過OwlsEdit 工具對Wen 服務(wù)進(jìn)行生成，獲得服務(wù)描述的owl 文件。經(jīng)過查詢匹配獲得與之相應(yīng)的服務(wù)描述本體，再利用“hasOwlUri”屬性對文件描述的服務(wù)進(jìn)行定位，使本體內(nèi)的服務(wù)輸入能夠與Uri 相應(yīng)服務(wù)輸入進(jìn)行映射，包括本體描述服務(wù)、經(jīng)過wsdl 文件生成的服務(wù)描述。因服務(wù)語義特點不夠清晰，可通過“hasOwlUni”“hasOutput”等映射到“Uri”“para1”“para2”中，且輸入“data”概念與“para2”映射，服務(wù)中擁有參數(shù)類型信息，可將服務(wù)輸入?yún)?shù)實例更好的映射到與之相對的參數(shù)中，使各項服務(wù)均可自動化調(diào)用。

4 系統(tǒng)測試與分析

4.1 性能評價指標(biāo)

智能問答系統(tǒng)測試關(guān)鍵在于該系統(tǒng)能否為用戶提供正確答案。本系統(tǒng)采用準(zhǔn)確率、命中率兩項指標(biāo)進(jìn)行性能測評，具體如下。

（1）準(zhǔn)確率。該項指標(biāo)是最為簡便直接的測試手段，是指系統(tǒng)認(rèn)為可信度最高的答案，計算公式可表示為：

式中，AR 代表準(zhǔn)確率；c 代表系統(tǒng)反饋的最佳答案數(shù)量；sum 代表的是系統(tǒng)檢測出的全部答案數(shù)量。

（2）命中率。該指標(biāo)是在固定前幾名的答案，在去掉第一個最佳答案后，還要分析后續(xù)幾個備選答案。將涵蓋n個問題的測試集用qi 表示，其中i 取值范圍為1 到n，假設(shè)ri 代表系統(tǒng)反饋列表中的最佳答案，如若無最佳答案，則取值為0，在有最佳答案的情況下，計算公式可表示為：

式中，MRR 代表的是命中率；r代表的是反饋答案排名。通常只分析前五名或者前十名的候選答案，排名靠后的答案基本不會對該指標(biāo)產(chǎn)生影響。

4.2 用戶評價指標(biāo)

該系統(tǒng)在問答測試中設(shè)置了用戶反饋功能，系統(tǒng)在為用戶展示答案的同時，用戶可根據(jù)系統(tǒng)反饋的準(zhǔn)確度進(jìn)行評價，由此得出使用滿意率，在滿意情況下可用公式表示如下，不滿意則為0。

式中，SR 表示用戶滿意度；n 表示用戶的咨詢數(shù)量。該系統(tǒng)將自動記錄用戶詢問后的評價結(jié)果，也就是用戶獲得反饋后的滿意度，再對用戶反饋進(jìn)行統(tǒng)計，得出總體滿意度。

4.3 測試結(jié)果分析

采用爬蟲框架對用戶搜索的500W 條數(shù)據(jù)進(jìn)行采集和清洗，提出重復(fù)和異常狀態(tài)數(shù)據(jù)后，最終得到4352162 條數(shù)據(jù)投入實驗，將此類數(shù)據(jù)歸為數(shù)據(jù)集D，按照上文所述的設(shè)計架構(gòu)創(chuàng)建智能問答系統(tǒng)。因數(shù)據(jù)量眾多，系統(tǒng)無法逐一檢驗，因此在集合D 中隨機抽出500 條問答進(jìn)行實驗。將系統(tǒng)給予的前5 名反饋答案排序后，由人工對比答案質(zhì)量，測試系統(tǒng)性能。根據(jù)測試結(jié)果可知，問答系統(tǒng)檢索的最佳答案準(zhǔn)確率較為穩(wěn)定，命中率較高，達(dá)到98.35%。在系統(tǒng)性能測試后，本實驗還面向10 名用戶開展用戶測評，每位用戶都登錄系統(tǒng)，針對特定領(lǐng)域進(jìn)行提問，并針對系統(tǒng)應(yīng)用體驗進(jìn)行打分。根據(jù)滿意度測評結(jié)果可知，由75%的用戶表示滿意，達(dá)到預(yù)期設(shè)計要求。

5 結(jié)論

綜上所述，智能問答系統(tǒng)帶有知識庫梳理、問題檢索與理解三個模塊，可依靠機器學(xué)習(xí)技術(shù)優(yōu)化系統(tǒng)性能，正確糾正拼寫與輸入錯誤，使查詢準(zhǔn)確度得到極大提升，獲得廣大用戶的好評。在未來的發(fā)展中，針對當(dāng)前問答系統(tǒng)在技術(shù)方面存在的不足，還應(yīng)結(jié)合新的使用需求不斷完善系統(tǒng)框架，使其更加適用于專業(yè)領(lǐng)域，降低耦合性，提高擴展能力，從而為用戶提供更多服務(wù)。