3.4 如何进行知识拆分？--基于知识分类的拆分方法
完成知识提炼的过程后，运营者需要依据不同的引擎及知识类型，进行知识的拆分，进一步完成知识的构建，拆分知识的作用将知识匹配至最为契合的引擎中，智能客服往往存在多个算法引擎，不同的知识在不同的算法引擎下会发挥不同的作用，知识拆分的整体步骤如下：
优先识别出程序性知识，梳理成对话流，剩下的均为概念性知识或者事实性知识；
如果给定的业务输入中有表格，那么优先启用表格问答；
纵观整体业务输入，尝试将事实性知识组织成一定的结构，形成概念性知识，梳理成知识图谱；
剩下的较为独立的事实性知识，则梳理成 FAQ；
常见的知识拆分的知识类型如下：
实际知识拆分的流程如下，知识拆分是区分智能客服算法引擎的重要步骤，将合适的知识匹配给合适的引擎会大幅提升实际智能客服系统的运行效果，流程如下：
为了更好的帮助运营者理解不同类型知识的形态，阿里云智能客服团队基于历史真实项
目实践，提供知识分类的样例，可依据业务实际情况进行参考。
结构化知识：是指知识之间有一定的层级关联关系，可以按照类目和抽屉的形式进行分
类；适合构建成多轮对话。将知识整理成结构化的过程中尽量挑选相对高频的知识。
意图不清的知识：是指问句句意不完整，不能从这句话直接给到精确答案，需要经过多轮确认具体的意图，一般是客户相对高频的咨询问题。
单个具体知识：是指知识句意完整，能独立成为一个完整问句，不具备其他知识有明显
层级结构关系；或因为低频不纳入与其他知识的层级关系。
表格型知识：是指知识有一定规律，可以整理成二维表的形式进行展现。
图谱型知识：是指知识之间具备多维关联特点；需要在多维空间里推理计算得出答案。
