人工智能知識圖譜行業(yè)應(yīng)用分析

1、去往認(rèn)知海洋的一艘船人工智能知識圖譜行業(yè)應(yīng)用分析知識圖譜概念定義是一種描繪實體間關(guān)系的語義網(wǎng)絡(luò)，是認(rèn)知智能的必要基礎(chǔ)知識圖譜是一種描繪實體之間關(guān)系的語義網(wǎng)絡(luò)，是人工智能重要研究領(lǐng)域知識工程的主要表現(xiàn)形式之一。知識圖譜通 過RDF（三元組），既“實體 x 關(guān)系 x 另一實體”或“實體 x 屬性 x 屬性值”集合的形式，以人類對世界認(rèn)知的角度，闡 述世間萬物之間的關(guān)系，通過NLP技術(shù)、圖計算、知識表示學(xué)習(xí)等手段，將非線性世界中的知識信息結(jié)構(gòu)化，以便機器計 算、存儲和查詢，起到賦予機器人類認(rèn)知的效果 ，是人工智能技術(shù)走向認(rèn)知的必要基礎(chǔ)。知識圖譜以RDF形式闡述萬物關(guān)系實體另一RDF關(guān)系知識圖譜RDF

2、（三元組）形式知識圖譜結(jié)構(gòu)自然世界來源：艾瑞根據(jù)公開資料自主研究繪制。2知識圖譜結(jié)構(gòu)半結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)非結(jié)構(gòu)化數(shù)據(jù)實體抽取關(guān)系抽取屬性抽取事件抽取數(shù)據(jù)整合知識庫實體對齊知識融合知識推理質(zhì)量評估本體構(gòu)建原圖應(yīng)用數(shù)據(jù)源知識抽取數(shù)據(jù)規(guī)范模型修訂知識加工本體對齊標(biāo)準(zhǔn)知識關(guān)系模型知識表示算法支撐知識自動化圖譜應(yīng)用建設(shè)本體模型和實體數(shù)據(jù)庫是知識圖譜結(jié)構(gòu)的核心知識圖譜從邏輯上可以分為概念層和數(shù)據(jù)層，數(shù)據(jù)層指以三元組為表現(xiàn)形式的客觀事實集合，而概念層是它的“上層建 筑”，是經(jīng)過積累沉淀的知識集合。建設(shè)中以本體模型和實體數(shù)據(jù)庫為核心，根據(jù)二者的建設(shè)順序又分為先定義本體和數(shù) 據(jù)規(guī)范，再抽取數(shù)據(jù)的“自頂向下型”

3、和先抽取實體數(shù)據(jù)，再逐層構(gòu)建本體的“自底向上型”兩種模式，前者適用于場景 較為固定，存在可量化行業(yè)邏輯的領(lǐng)域，如金融、醫(yī)療、法律等；后者適用于新拓展的，有大量數(shù)據(jù)積累，行業(yè)邏輯難以 直接展現(xiàn)的領(lǐng)域?？傮w而言，搭建知識圖譜從數(shù)據(jù)源開始，經(jīng)歷了知識抽取、知識融合、知識加工等步驟。原始的數(shù)據(jù)通過知識抽取或數(shù)據(jù)整合的方式轉(zhuǎn)換為三元組形式，然后三元組數(shù)據(jù)再經(jīng)過實體對齊，加入數(shù)據(jù)模型，形成標(biāo)準(zhǔn)的知識表示，過程中如產(chǎn)生新的關(guān)系組合，通過知識推理形成新的知識形態(tài)，與原有知識共同經(jīng)過質(zhì)量評估，完成知識融合，最終形成 完整形態(tài)上的知識圖譜。知識圖譜結(jié)構(gòu)拓?fù)鋱D應(yīng)用中知識不斷擴充和修訂來源：艾瑞根據(jù)公開資料自主研究繪

4、制。3多源異構(gòu)的數(shù)據(jù)來源結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)的抽取是搭建基礎(chǔ)，非結(jié)構(gòu)化數(shù)據(jù)抽 取的發(fā)展將拓寬知識圖譜的應(yīng)用邊際知識抽取是搭建知識圖譜過程中至關(guān)重要的一環(huán)，也是目前評判知識圖譜優(yōu)劣性的標(biāo)準(zhǔn)之一。知識抽取所處理的信息往往 是明確的事實性信息，信息源通常分為已有關(guān)聯(lián)數(shù)據(jù)庫的結(jié)構(gòu)化數(shù)據(jù)、如表格和列表類的半結(jié)構(gòu)化數(shù)據(jù)，以及如TXT格式 的文本類非結(jié)構(gòu)化數(shù)據(jù)，前二者可以通過D2R（DRF格式轉(zhuǎn)換器）、包裝器（格式解析工具）等工具完成處理，而文本類 非結(jié)構(gòu)化數(shù)據(jù)需要通過自然語言處理的相關(guān)技術(shù)進(jìn)行知識抽取，所有數(shù)據(jù)最終都要通過處理轉(zhuǎn)化為標(biāo)準(zhǔn)數(shù)據(jù)供圖譜使用。 隨著生物識別和物體識別等AI技術(shù)的應(yīng)用，指紋庫、人臉

5、庫、車輛庫等數(shù)據(jù)庫逐步建立，對于非結(jié)構(gòu)化數(shù)據(jù)的知識抽取將 不再局限于文本，所搭建的知識圖譜維度將會更豐富，應(yīng)用場景更加垂直下沉。對信息源數(shù)據(jù)的抽取方法半結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)非結(jié)構(gòu)化數(shù)據(jù)列表信息框知識圖譜關(guān)聯(lián)數(shù)據(jù)數(shù)據(jù)庫表格文本OCR手寫體人臉圖映射/D2R轉(zhuǎn)換包裝器通過數(shù)據(jù)處理來源：艾瑞根據(jù)公開資料自主研究繪制。4將多源異構(gòu)數(shù)據(jù)統(tǒng)一為標(biāo)準(zhǔn) 結(jié)構(gòu)化數(shù)據(jù)供知識圖譜使用大規(guī)模應(yīng)用落地的保障知識抽取實體和關(guān)系抽取是核心，事件抽取是知識更新的重要手段對信息源的知識抽取主要按照自然語義中的主謂賓語法進(jìn)行抽取，分為實體抽取、關(guān)系抽取、屬性抽取和事件抽取等。實 體抽取指在信息源中識別出特定的元素標(biāo)簽，并與實體庫

6、中的標(biāo)簽相鏈接，是信息抽取中最基礎(chǔ)的部分；關(guān)系抽取意在找 到信息源中實體間的關(guān)系，可分為全局抽取和局部抽取，全局抽取是通過語料庫對信息源中的所有關(guān)系對進(jìn)行抽取，而局 部抽取則是判斷一句話中實體的關(guān)系類型，目前可以通過特征標(biāo)注的有監(jiān)督學(xué)習(xí)和借助外部知識庫進(jìn)行標(biāo)注的遠(yuǎn)程監(jiān)督學(xué) 習(xí)實現(xiàn)，后者相比前者節(jié)省人工標(biāo)注成本，但準(zhǔn)確率略低；屬性抽取可以看作實體和其屬性值之間的關(guān)系，屬于關(guān)系抽取 的一種類型；事件抽取是將信息源中指定的事件信息抽取，并結(jié)構(gòu)化地表現(xiàn)出來，包括事件的時間、地點、人物、原因、 結(jié)果等，通常使用將事件劃分多個分類階段的pipeline方法和利用神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法，事件抽取擁有時間維度

7、，可 以與時俱進(jìn)地迭代學(xué)習(xí)，是知識圖譜知識更新的重要手段。知識抽取核心內(nèi)容從信息源中識別并提取實體是信息抽取中最為基礎(chǔ)和關(guān)鍵的部分分為基于規(guī)則與詞典、基于統(tǒng)計機器學(xué)習(xí)和面向開放 域三種抽取方法1實體抽取對信息源中實體的特征和性質(zhì)進(jìn)行抽取由于可以將實體的屬性視為實體與屬性值之間的一種 名詞性關(guān)系，因此也可以將屬性抽取問題視為關(guān)系抽 取問題3屬性抽取從信息源中抽取實體間的關(guān)系解決實體間語義鏈接的問題分為有監(jiān)督學(xué)習(xí)抽取和遠(yuǎn)程監(jiān)督學(xué)習(xí)抽取2關(guān)系抽取從信息源中識別并抽取出事件信息，包括發(fā)生的時間、 地點、參與角色以及與之相關(guān)的動作或者狀態(tài)的改變動態(tài)化地豐富和更新實體關(guān)系，是現(xiàn)有知識資源的重4事件抽取要補

8、充來源：艾瑞根據(jù)公開資料自主研究繪制。524中國知識圖譜細(xì)分市場分析目錄知識圖譜應(yīng)用搜索引擎領(lǐng)域知識索引可將有價值的信息以自然語言的形式直接展現(xiàn)搜索引擎是互聯(lián)網(wǎng)發(fā)展中最具代表性的應(yīng)用之一，它解決了人們?nèi)绾畏奖惬@取信息的問題，一度成為大部分流量的入口。 但隨著網(wǎng)絡(luò)中信息沉積越來越多，人們真正需要的，隱藏在大量無用信息中有價值的部分，我們稱之為知識的內(nèi)容，往往 得不到直觀展現(xiàn)，這成為了搜索引擎領(lǐng)域重點要解決的問題。2012年5月，谷歌率先提出知識圖譜概念，用以更好的描述 現(xiàn)實世界中實體關(guān)聯(lián)性問題，進(jìn)而提高信息搜索中的知識獲取效率，隨后搜狗、微軟、百度紛紛推出相關(guān)概念架構(gòu)，知識圖譜被視為下一代搜索引

9、擎的核心技術(shù)。傳統(tǒng)搜索引擎一般采用網(wǎng)頁索引，按照“網(wǎng)頁 -（預(yù)處理）- 臨時庫 -（索引）- 索引好的庫 -（由用戶行為觸發(fā)檢索）- 為用戶展示網(wǎng)頁結(jié)果”的流程執(zhí)行，信息源來自網(wǎng)頁，展現(xiàn)內(nèi)容也是網(wǎng)頁鏈接。而基于知識圖譜的搜索作為和網(wǎng)頁索引同級、并行的另一套知識索引，更注重信息間的關(guān)聯(lián)性和自然語言理解，通 過圖存儲的形式從新組織互聯(lián)網(wǎng)中的信息，再以人類的語言習(xí)慣進(jìn)行查詢和展現(xiàn)，從而提高搜索體驗，因為知識的存儲形 式發(fā)生了變化，所以知識索引信息來源和展現(xiàn)載體都不再局限于網(wǎng)頁文字，語音交互和更加豐富的IoT場景將會是未來的發(fā)展方向。文字查詢網(wǎng)頁結(jié)果索引檢索排序普通網(wǎng)頁（包含文本、音頻、視頻、圖片）自

10、然語言查詢豐富展現(xiàn)形式NLP處理結(jié)果翻譯知識圖譜關(guān)聯(lián)查詢關(guān)系挖掘推理知識圖譜預(yù)處理豐富來源（包含文本、音頻、視頻、圖片）知識圖譜在搜索引擎中的應(yīng)用網(wǎng)頁索引知識索引來源：艾瑞根據(jù)專家訪談、公開資料等研究繪制。7知識圖譜應(yīng)用搜索引擎領(lǐng)域應(yīng)用NLP的知識抽取將成為知識搜索的重要破局點目前，互聯(lián)網(wǎng)上只有極少數(shù)知識被人工整理成了機器可以解析的格式，如各類百科欄目和垂直領(lǐng)域數(shù)據(jù)庫，這些資源支撐 了當(dāng)下絕大部分通用知識圖譜的搭建，但這些信息也僅僅是滄海一粟，無論是覆蓋范圍、更新頻率、可靠程度都無法滿足 日益增長的自動化和智能化需求，更嚴(yán)峻的是新一代互聯(lián)網(wǎng)用戶逐漸喪失了參與編輯的精神，甚至不知道可以編輯百科內(nèi)

11、 容，在此趨勢下基于百科的知識圖譜將會變成一種靜態(tài)數(shù)據(jù)留檔，其支撐的知識搜索也將會大量依賴于權(quán)威組織編輯，成 本和效率將會成為致命傷，因此應(yīng)用準(zhǔn)確且自動化的NLP技術(shù)，在更廣泛的網(wǎng)頁文本信息中，替代人工進(jìn)行知識抽取，成 為了知識搜索領(lǐng)域重要的破局點。知識搜索引擎Magi提供了一種NLP+評價系統(tǒng)的半監(jiān)督學(xué)習(xí)方式，通過互聯(lián)網(wǎng)對有監(jiān)督 學(xué)習(xí)的原始NLP模型進(jìn)行“放養(yǎng)式”訓(xùn)練，再由“一個知識點在不同表達(dá)中被印證，則證明其可信度較高”而形成的評價 系統(tǒng)去收斂訓(xùn)練成果，從而完成較低成本，可持續(xù)的廣域下NLP模型訓(xùn)練，經(jīng)過搜索引擎M的公測體驗，以及B端 知識抽取的定制服務(wù)，Magi逐漸形成了獨立NLP產(chǎn)品

12、的服務(wù)模式，為知識工程輕需求用戶，和知識圖譜搭建者提供了完善的RPA服務(wù)。Magi引擎服務(wù)框架企業(yè)AI人類網(wǎng)絡(luò)Magi System知識抽取引擎M知識搜索引擎用統(tǒng)計信號消除事實矛盾，然后將所學(xué)投入到第N + 1 輪的訓(xùn)練中用第 N 輪訓(xùn)練得到的模型開始在互聯(lián)網(wǎng)上學(xué)習(xí)知識終身-半監(jiān)督學(xué)習(xí)常識知識庫知識集成第三方服務(wù)RPA定制模型領(lǐng)域知識語義搜索結(jié)果網(wǎng)絡(luò)語料庫知識庫的數(shù)據(jù)集來源：艾瑞根據(jù)專家訪談、公開資料等研究繪制。8知識圖譜應(yīng)用公共安全領(lǐng)域公安知識圖譜重點解決數(shù)據(jù)關(guān)聯(lián)性和數(shù)據(jù)價值挖掘問題公安大數(shù)據(jù)是全面助推公安工作質(zhì)量變革、效率變革、動力變革的重要力量，受到黨中央和公安部的高度重視，而作為大 數(shù)

13、據(jù)和人工智能雙重技術(shù)的應(yīng)用表現(xiàn)，知識圖譜通過數(shù)據(jù)分析、文本語義分析等，抽取出人、物、地、組織機構(gòu)、服務(wù)標(biāo) 識等實體，并根據(jù)實體的屬性聯(lián)系、空間聯(lián)系、語義聯(lián)系、特征聯(lián)系等建立相互關(guān)聯(lián)，構(gòu)建一張具有公安特性的多維多層 的實體與實體、實體與事件的關(guān)系網(wǎng)絡(luò)，在解決公安大數(shù)據(jù)發(fā)展中面臨的數(shù)據(jù)缺乏關(guān)聯(lián)性等問題時起到了重要作用。建設(shè) 公安知識圖譜仍然遵循知識圖譜搭建邏輯，其中知識抽取、本體層建設(shè)和實戰(zhàn)應(yīng)用開發(fā)，需要將公安部門多年積累的實戰(zhàn) 經(jīng)驗與技術(shù)算法相互轉(zhuǎn)換，重點考驗公安知識圖譜解決辦法提供商對公安業(yè)務(wù)的理解能力和專業(yè)積累，是該行業(yè)競爭中重要的壁壘。公安知識圖譜流程結(jié)構(gòu)知識抽取實體抽取關(guān)系抽取屬性抽取知

14、識融合數(shù)據(jù)清洗數(shù)據(jù)關(guān)聯(lián)數(shù)據(jù)對比數(shù)據(jù)庫重構(gòu)建立標(biāo)準(zhǔn)庫建立專題庫建立主題庫建立研判戰(zhàn)法集 本體層搭建社會化數(shù)據(jù)與公安 技戰(zhàn)法結(jié)合碎片化數(shù)據(jù)與公安 技戰(zhàn)法結(jié)合公安技戰(zhàn)法與算法結(jié)合實戰(zhàn)應(yīng)用關(guān)系挖掘路徑推演全文檢索時空分析公安知識圖譜（注：各庫數(shù)據(jù)要與人、地、事、物、組織、虛擬身份等基本信息打通； 與吃、住、行、消、樂 等數(shù)據(jù)結(jié)合）技術(shù)（算法）業(yè)務(wù)（專業(yè)知識）通過專家團隊與技術(shù)團隊的通力配合，使公安技戰(zhàn)法與算法深度融合公安知識圖譜解決辦法提供商核心競爭力來源：艾瑞根據(jù)專家訪談、公開資料等研究繪制。9知識圖譜應(yīng)用公共安全領(lǐng)域泛在感知加多模態(tài)數(shù)據(jù)融合應(yīng)用將成為智慧警務(wù)的建設(shè)核心近些年，在政策指導(dǎo)下公安大數(shù)據(jù)

15、整體建設(shè)發(fā)展迅速，2019年感知智能硬件設(shè)備市場規(guī)模預(yù)計超350億元，以人臉識別數(shù) 據(jù)和車輛識別數(shù)據(jù)為基礎(chǔ)的公安視圖庫加快建設(shè)和豐富，感知智能的成功應(yīng)用不僅拓寬了公安領(lǐng)域結(jié)構(gòu)化數(shù)據(jù)的邊界，也 喚起了認(rèn)知智能應(yīng)用的市場需求。隨著公安部自上而下的推動，公安體系中各垂直系統(tǒng)的縱向業(yè)務(wù)開始拉通、各單位橫向 數(shù)據(jù)也開始分層解耦，進(jìn)行初步融合，此舉奠定了公安業(yè)務(wù)數(shù)據(jù)規(guī)范化和標(biāo)準(zhǔn)化的基礎(chǔ)，也為感知智能與認(rèn)知智能聯(lián)動做 好了準(zhǔn)備，在十四五新一階段的任務(wù)中，打通公安視頻網(wǎng)和公安信息網(wǎng)的泛在感知加多模態(tài)數(shù)據(jù)融合應(yīng)用必將成為建設(shè)重 心。在此背景下，明略科技將海量感知數(shù)據(jù)納入知識圖譜的構(gòu)建和積累中，從平臺服務(wù)、數(shù)據(jù)服

16、務(wù)到應(yīng)用服務(wù)構(gòu)建了由感 知到認(rèn)知再到行動的完整閉環(huán)，其智慧公安解決方案主要包括警務(wù)大腦平臺、公安知識圖譜平臺和泛在感知應(yīng)用實戰(zhàn)平臺 等，提供公安知識圖譜建設(shè)、知識圖譜研判工具、知識圖譜挖掘模型、警種專用智能應(yīng)用、知識圖譜服務(wù)接口等服務(wù)，目 前已經(jīng)部署到30多個省、市級公安局，據(jù)估計，明略科技公安知識圖譜是30多個大類公安數(shù)據(jù)來源中的6529張表和1538 億條數(shù)據(jù)的結(jié)晶，沉淀了80%以上不同種類公安數(shù)據(jù)的處理經(jīng)驗，從常規(guī)業(yè)務(wù)到特殊警種辦案，形成了基于AI技術(shù)的警務(wù)支撐體系和安全保障體系。智 能 應(yīng) 用 層專業(yè)智能應(yīng)用【禁毒應(yīng)用】【經(jīng)偵應(yīng)用】【刑偵應(yīng)用】高位涉毒人員及團伙分析挖掘車險詐騙人員及團

17、伙分析挖掘高危盜強騙人員及團伙分析挖掘【刑偵應(yīng)用】【刑偵應(yīng)用】【環(huán)食藥應(yīng)用】網(wǎng)絡(luò)雇兇分析挖掘網(wǎng)絡(luò)販槍分析挖掘假藥售販人員及團伙分析挖掘【刑偵應(yīng)用】 掃黑除惡分析挖掘涉毒侵財團伙挖掘高危地區(qū)團伙挖掘知識圖譜挖掘模型隱重發(fā)現(xiàn)涉毒隱重發(fā)展模型敏感育齡盜竊團伙挖掘拐賣婦女兒童隱重發(fā)現(xiàn)相似點模型 維穩(wěn)預(yù)警思維中心知識圖譜研判工具智能建模工具圖譜檢索全息檔案關(guān)聯(lián)分析/圖析數(shù)據(jù)源管理任務(wù)調(diào)度可視化建模模型管理明察檢索 標(biāo)簽研判明略科技公安知識圖譜解決方案來源：艾瑞根據(jù)專家訪談、公開資料等研究繪制。10知識圖譜應(yīng)用金融領(lǐng)域知識圖譜與機器學(xué)習(xí)相結(jié)合的智能風(fēng)控方案是主流趨勢在金融領(lǐng)域中無論是傳統(tǒng)金融或是互聯(lián)網(wǎng)金融

18、，信用評估、反欺詐和風(fēng)險控制都是最為關(guān)鍵的環(huán)節(jié)，隨著近些年金融數(shù)據(jù) 的爆發(fā)式增長，傳統(tǒng)風(fēng)控系統(tǒng)逐漸力有不逮，而應(yīng)用機器學(xué)習(xí)算法和知識圖譜的智能風(fēng)控系統(tǒng)在風(fēng)險識別能力和大規(guī)模運 算方面具有突出優(yōu)勢，逐漸成為金融領(lǐng)域風(fēng)控反欺詐的主要手段。機器學(xué)習(xí)和知識圖譜相結(jié)合是目前主流的解決方案，其 中機器學(xué)習(xí)算法通過概率計算的方式，以數(shù)學(xué)運算特征反應(yīng)風(fēng)險情況，形成易于機器計算的風(fēng)控模型；而知識圖譜通過權(quán) 威經(jīng)驗和規(guī)則創(chuàng)建本體模型和抽取實體的范圍，根據(jù)實體間關(guān)系形成關(guān)聯(lián)數(shù)據(jù)網(wǎng)的圖譜形式，描畫囊括個人基礎(chǔ)信息、金 融行為、社交網(wǎng)絡(luò)行為等用戶綜合畫像，根據(jù)畫像情況和模型對應(yīng)，形成具有金融業(yè)務(wù)特性的風(fēng)控體系，在解決方

19、案的決 策環(huán)節(jié)結(jié)合規(guī)則和概率的綜合評價，給出最終的風(fēng)險評估，整個過程能夠?qū)崿F(xiàn)秒級響應(yīng)。知識圖譜的應(yīng)用不僅能夠為缺乏 可解釋性的機器學(xué)習(xí)算法帶來必要的參考系，還可以串聯(lián)金融業(yè)務(wù)中產(chǎn)生的大量多源異構(gòu)數(shù)據(jù)形成數(shù)據(jù)中臺，挖掘數(shù)據(jù)深 層價值，為實現(xiàn)精準(zhǔn)營銷、投資關(guān)系梳理、產(chǎn)業(yè)鏈風(fēng)險預(yù)警、智能催收等上層應(yīng)用打下基礎(chǔ)。智能金融解決方案可視化分析平臺問答式人機交互行業(yè)知識指標(biāo)庫規(guī)則庫 模型庫 知識庫客戶視圖碰撞分析知識推理在線分析離線挖掘知識圖譜計算引擎推理引擎圖計算引擎知識圖譜數(shù)據(jù)庫圖數(shù)據(jù)庫列式數(shù)據(jù)庫搜索引擎文件系統(tǒng)結(jié)構(gòu)化數(shù)據(jù)治理工具非結(jié)構(gòu)化數(shù)據(jù)治理工具數(shù)據(jù)處理建模應(yīng)用客戶風(fēng)險監(jiān)測和預(yù)警機器學(xué)習(xí)平臺內(nèi)部審計

20、交易反欺詐智能營銷金融知識圖譜平臺反洗錢技術(shù)應(yīng)用開發(fā)開發(fā)運維評估服務(wù)建模特征工程實驗訓(xùn)練評估數(shù)據(jù)處理采集標(biāo)注存儲加工數(shù)據(jù)客戶數(shù)據(jù)業(yè)務(wù)數(shù)據(jù)交易數(shù)據(jù)行為數(shù)據(jù)監(jiān)管數(shù)據(jù)外部數(shù)據(jù)來源：艾瑞根據(jù)專家訪談、公開資料等研究繪制。11知識圖譜應(yīng)用金融領(lǐng)域大數(shù)據(jù)平臺結(jié)構(gòu)化數(shù)據(jù)知識構(gòu)建推理引擎知識圖譜數(shù)據(jù)庫非結(jié)構(gòu)化數(shù)據(jù)知識構(gòu)建金融知識圖譜應(yīng)用客戶風(fēng)險視圖信貸風(fēng)險預(yù)警非法金融群體發(fā)現(xiàn)智能審計模型反欺詐反洗錢銀行投資保險互聯(lián)網(wǎng)金融企業(yè)風(fēng)險視圖智能投研客戶風(fēng)險偏好投資產(chǎn)品推薦客戶風(fēng)險視圖反洗錢保險產(chǎn)品推薦客戶風(fēng)險視圖反欺詐智能內(nèi)審監(jiān)管智能調(diào)查統(tǒng)計非法金融群體識別 反洗錢通過對大量多源異構(gòu)金融數(shù)據(jù)的知識化整合形成中臺式支撐

21、知識圖譜在金融領(lǐng)域主要解決的問題是對多源異構(gòu)數(shù)據(jù)的知識化整合。金融行業(yè)擁有海量包含各行業(yè)的數(shù)據(jù)信息，這些信 息又以文字、表格、圖形等形式存儲在大量文檔中，格式非標(biāo)準(zhǔn)統(tǒng)一且呈碎片化存在，而可用于風(fēng)控反欺詐、信用評估、 營銷推薦、產(chǎn)業(yè)鏈分析等應(yīng)用服務(wù)的數(shù)據(jù)又往往隱藏在多層關(guān)聯(lián)下的細(xì)微處，因此采用集自然語言理解技術(shù)，處理非標(biāo)數(shù) 據(jù)，和多維多層級關(guān)系挖掘技術(shù)，展現(xiàn)數(shù)據(jù)關(guān)聯(lián)性于一體的知識圖譜應(yīng)用，成為了金融領(lǐng)域較好的中臺支撐形式。以場景 最豐富、量級最大的銀行業(yè)務(wù)為例，針對傳統(tǒng)技術(shù)和手段難以實現(xiàn)的需求，明略科技為某全國股份制銀行全行近十年的全 量數(shù)據(jù)構(gòu)建了包括“企業(yè)、個人、機構(gòu)、賬戶、交易以及行為數(shù)據(jù)”

22、在內(nèi)，規(guī)模達(dá)十億節(jié)點百億邊的知識圖譜數(shù)據(jù)庫，通 過知識圖譜平臺建設(shè)來幫助該銀行風(fēng)控體系建立了完整的客戶關(guān)系網(wǎng)及資金流轉(zhuǎn)全貌，支持了該行非現(xiàn)場審計、系統(tǒng)性風(fēng) 險管控、精準(zhǔn)營銷等多項應(yīng)用的研發(fā)和實施。明略科技金融知識圖譜應(yīng)用場景來源：艾瑞根據(jù)專家訪談、公開資料等研究繪制。12知識圖譜應(yīng)用投研領(lǐng)域知識圖譜通過自動抓取和產(chǎn)業(yè)鏈關(guān)系推理解決投研領(lǐng)域痛點對一級市場或二級市場的投資研究，一直是泛金融領(lǐng)域重要的課題，上市公司或一些重要的標(biāo)的公司在公開網(wǎng)絡(luò)中披露了 眾多如財務(wù)數(shù)據(jù)、定期公告、公司研報等有價值的信息，為投資者行為提供了充分的參考依據(jù)。傳統(tǒng)投研工作需要分析師 通過各種渠道去搜集和判別信息，憑借個人經(jīng)

23、驗對零散的數(shù)據(jù)進(jìn)行組織建模，以報告的形式產(chǎn)出趨勢觀點和數(shù)據(jù)分析，大 部分的物料和時間成本都花費在信息和數(shù)據(jù)的搜集上，而且成果可控性不高，縱使頭部金融數(shù)據(jù)機構(gòu)提供了相應(yīng)的軟件產(chǎn) 品，但數(shù)據(jù)的顆粒度和產(chǎn)業(yè)鏈關(guān)聯(lián)性仍難以滿足多元需求，這成為了該行業(yè)長久存在的痛點。京東數(shù)科以公司信息、產(chǎn)業(yè) 鏈關(guān)聯(lián)為切入點，利用NLP技術(shù)自動抓取關(guān)鍵信息，搭建投研領(lǐng)域知識圖譜，將各個行業(yè)的發(fā)展變化抽象導(dǎo)入數(shù)字層面， 為知識查詢和應(yīng)用開發(fā)提供實現(xiàn)基礎(chǔ)。據(jù)統(tǒng)計，券商研報中80%的數(shù)據(jù)指標(biāo)在傳統(tǒng)軟件產(chǎn)品中無法查詢到，分析師在進(jìn)入 一個新領(lǐng)域時要耗費一周左右的時間搜集類似數(shù)據(jù)，而利用京東數(shù)科投研產(chǎn)品可以將其必要勞動時間縮短到一

24、分鐘，大幅 提高投研效率。除靜態(tài)領(lǐng)域圖譜外，京東數(shù)科還利用時間序列搭建了對網(wǎng)絡(luò)報道、新聞事件進(jìn)行抓取的事理圖譜，兩相結(jié) 合，從行業(yè)固有邏輯和實時信息雙管齊下，推導(dǎo)事情的發(fā)展脈絡(luò)和趨勢走向，為投研機構(gòu)和投資者清晰的梳理關(guān)聯(lián)脈絡(luò)， 為后續(xù)判斷投資機會和持倉股票風(fēng)險等研判類應(yīng)用提供數(shù)據(jù)支撐。京東數(shù)科投研知識圖譜產(chǎn)品特性信息生成和維護(hù)多由人工完成結(jié)合輿情信息的預(yù)判類分析較少難以高效的提示投資機會和持倉標(biāo)風(fēng)險無法獲取點狀分布的零散數(shù)據(jù)傳統(tǒng)投研類 產(chǎn)品優(yōu)勢擁有上市公司信息和標(biāo)準(zhǔn)化數(shù)據(jù)擁有專業(yè)的專家知識體系擁有各類產(chǎn)業(yè)鏈結(jié)構(gòu)和信息不足彌補不足京東數(shù)科投研知識圖 譜產(chǎn)品強化優(yōu)勢利用NLP自動抓取研報內(nèi)全部數(shù)據(jù)

25、行業(yè)專家知識和知識圖譜技術(shù)相結(jié)合人機智慧結(jié)合，形成智慧產(chǎn)業(yè)鏈RPA流程替代人工，實現(xiàn)低成本高效率搭建事理圖譜，對新聞事件進(jìn)行影響力分析用機器替代人類分析師，產(chǎn)出風(fēng)險預(yù)警和投資建議利用知識圖譜將碎片信息組織關(guān)聯(lián)，形成連鎖價值來源：艾瑞根據(jù)公開資料自主研究繪制。13知識圖譜應(yīng)用司法領(lǐng)域知識圖譜是“智慧司法”建設(shè)的基礎(chǔ)工程司法領(lǐng)域是以公檢法等國家司法機關(guān)及司法人員依照法定職權(quán)和法定程序，運用法律處理案件的專業(yè)領(lǐng)域。近年，司法 領(lǐng)域積極運用大數(shù)據(jù)、云計算、人工智能等先進(jìn)技術(shù)，深入業(yè)務(wù)場景解決痛點問題，有效提升辦案質(zhì)效、輔助司法管理、 服務(wù)群眾訴訟，加速推進(jìn)司法智慧化、數(shù)字化、現(xiàn)代化轉(zhuǎn)型升級。知識圖譜的

26、構(gòu)建是實現(xiàn)智慧司法不可或缺的基礎(chǔ)工程。 司法知識圖譜將法律領(lǐng)域中的實體、屬性和關(guān)系進(jìn)行體系化梳理，并建立邏輯關(guān)聯(lián)，通過知識圖譜和大數(shù)據(jù)技術(shù)進(jìn)行數(shù) 據(jù)挖掘，輔助決策，洞察知識領(lǐng)域動態(tài)發(fā)展規(guī)律?；谒痉ㄖR圖譜，通過技術(shù)手段可實現(xiàn)司法業(yè)務(wù)場景的智能應(yīng)用， 解決“案多人少”“同案不同判”等現(xiàn)實問題。目前，司法知識圖譜已廣泛運用于法律知識檢索和推送、文書自動生成、 裁判結(jié)果預(yù)測預(yù)警、知識智能問答、數(shù)據(jù)可視化等方面，為司法人員辦案提供高效參考和科學(xué)依據(jù)，全新定義司法數(shù)據(jù) 應(yīng)用和司法智能化，凝練司法智慧，服務(wù)法治建設(shè)。司法知識圖譜相關(guān)應(yīng)用場景法律知識問答-強化普法教育提供法律問題的專業(yè)知識查詢和智 能問答

27、服務(wù)，自動匹配問題與答案， 提供高效、便捷、權(quán)威的法律咨詢， 提升普法效果和力度案情智能分析-提升調(diào)解成功率提供案件糾紛相關(guān)的裁判規(guī)則、法 律法規(guī)、類似案件判決結(jié)果對比， 了解相似案件判決情況，幫助建立 訴訟預(yù)期，從而服判息訴，提升糾 紛調(diào)解成功率法 提供法律法 律 條、典型案 知 例、類案文 識 書、專家觀點、圖書期 檢 刊等信息的 索 精準(zhǔn)檢索，以及主動式智能推薦， 為辦案提供 智能參考根據(jù)電子文 書自動分析 文書制作需 求，選擇模 板自動生成 法律文書， 還能進(jìn)行文 書自動糾錯， 提高文書寫 作質(zhì)量與效 率文 書 自 動 生 成定 自動識別并 罪 歸類法定、 量 酌定情節(jié)， 刑 自動生成

28、具體量刑建議， 輔并對判案結(jié) 助果進(jìn)行類案判決的偏離度預(yù)警，防 止“同案不 同判”發(fā)生面 向 司 法 人 員來源：艾瑞根據(jù)專家訪談、公開資料等研究繪制。14面 向 人 民 群 眾知識圖譜應(yīng)用司法領(lǐng)域司法領(lǐng)域數(shù)據(jù)治理以知識性為中心，適于知識圖譜應(yīng)用落地面對大量且復(fù)雜的司法大數(shù)據(jù)，應(yīng)用人工智能需要提煉共性規(guī)則，也就是依據(jù)不同的司法場景，提取具有統(tǒng)一性和相似性 的領(lǐng)域規(guī)則并對抽取的數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)注，供機器學(xué)習(xí)以形成類似于人類的信息提取、邏輯分析能力。因此，與其說司法 人工智能以數(shù)據(jù)為中心，不如說其以知識為中心，構(gòu)建司法知識圖譜是人工智能司法應(yīng)用的先決性問題。目前司法知識圖 譜應(yīng)用最廣泛的是由人民法院

29、出版集團、中國司法大數(shù)據(jù)研究院和國雙共同研發(fā)建設(shè)的法律知識和案例大數(shù)據(jù)平臺法 信，該平臺主要解決法律人查找需求和海量知識數(shù)據(jù)供給的匹配問題，目前已覆蓋全國30個省，3200家法院，為90%的法 官提供全方位審判知識服務(wù)。此外國雙還以大數(shù)據(jù)和人工智能技術(shù)為核心，以遠(yuǎn)程審判、語音辦案、文書生成、類案推送、 類案預(yù)警、量刑建議、審判規(guī)范化、決策支持、輿情監(jiān)測等各項應(yīng)用需求為“點”，以服務(wù)法院、檢察院為“線”，以服 務(wù)人民群眾、審判執(zhí)行、司法管理、助力司法研究、司法改革、司法創(chuàng)新為“面”，構(gòu)建“點線面體”四維模式立體化的解決方案。大數(shù)據(jù)平臺應(yīng)用服務(wù) 能力產(chǎn)品解決方案行業(yè)需求數(shù)據(jù)采集數(shù)據(jù)處理數(shù)據(jù)分析數(shù)據(jù)

30、挖掘數(shù)據(jù)管理文本解析類案推送智能檢索知識圖譜事理圖譜多路實時音視頻智訟輔助辦案平臺審判決策輔助平臺類案智能推送系統(tǒng) 智能文書生成系統(tǒng)遠(yuǎn)程訴訟服務(wù)平臺定罪量刑輔助系統(tǒng)知識產(chǎn)權(quán)案例指導(dǎo)平臺法律大數(shù)據(jù)分析系統(tǒng)服務(wù)人民群眾服務(wù)審判執(zhí)行服務(wù)司法管理輔助檢察辦案輔助檢察決策智慧法院辦案輔助解決方案知識供給解決方案訴訟服務(wù)解決方案數(shù)據(jù)分析與可視化解決方案智慧檢務(wù)辦案輔助解決方案決策輔助解決方案智慧公安智能執(zhí)法辦案解決方案移動辦案解決方案&國雙“智慧司法”一體化解決方案來源：艾瑞根據(jù)專家訪談、公開資料等研究繪制。15知識圖譜應(yīng)用油氣領(lǐng)域知識圖譜應(yīng)用為油氣勘探開發(fā)和安全環(huán)保生產(chǎn)提供決策輔助目前，我國境內(nèi)已探知的

31、石油資源質(zhì)量不高且產(chǎn)能有限，以至70%原油需求有賴于進(jìn)口，加之國際原油價格持續(xù)走低，開 采成本又很難攤薄，我國油氣行業(yè)面臨著生產(chǎn)效率與成本帶來的巨大壓力和挑戰(zhàn)。在油氣領(lǐng)域中，生產(chǎn)環(huán)節(jié)主要包括產(chǎn)業(yè) 鏈上游的油氣勘探、開發(fā)生產(chǎn)和中游的油氣儲運、煉制與加工，存在的痛點是上游如何將鉆探數(shù)據(jù)、地質(zhì)數(shù)據(jù)等“地下信 息”與地面工程執(zhí)行高效結(jié)合，從而準(zhǔn)確探明更有開發(fā)價值的油井；中游如何利用大量自動化設(shè)備和傳感器產(chǎn)生的數(shù)據(jù)進(jìn) 行高效的安全生產(chǎn)，以及節(jié)能環(huán)保問題。知識圖譜憑借對多源異構(gòu)數(shù)據(jù)關(guān)聯(lián)性挖掘和知識體系信息化搭建等能力，在數(shù)字 化程度較高、數(shù)據(jù)類型復(fù)雜的油氣領(lǐng)域搭建認(rèn)知網(wǎng)絡(luò)，將領(lǐng)域知識與實時數(shù)據(jù)有機結(jié)合，為

32、油氣勘探、開發(fā)生產(chǎn)、綜合研 究、生產(chǎn)管理提供智能化分析手段，幫助決策者從海量的數(shù)據(jù)中洞悉規(guī)律，來提升效率和管理水平。油氣勘探開發(fā)數(shù)據(jù)及知識成果共享應(yīng)用總體技術(shù)架構(gòu)應(yīng)用層PaaS層數(shù) 據(jù) 中 臺數(shù) 據(jù) 源平 臺 服 務(wù)智能知識問答圖形數(shù)據(jù)Neo4j分布式信息隊列分布式NoSql數(shù)據(jù)庫分布式文件系統(tǒng)管理 分布式關(guān)系型數(shù)據(jù)庫數(shù)據(jù)集成與成果匯聚統(tǒng)建系統(tǒng)數(shù)據(jù) 海外數(shù)據(jù)倉庫實驗數(shù)據(jù)文獻(xiàn)中心數(shù)據(jù)檔案文獻(xiàn)科研管理平臺數(shù)據(jù)存儲數(shù)據(jù)處理及分析計算資源管理及服務(wù)調(diào)度多維分析OCR識別機器學(xué)習(xí)NLP分析深度學(xué)習(xí)數(shù)據(jù)挖掘內(nèi)存計算 離線計算 流式計算任務(wù)資源分配分布式協(xié)調(diào)服務(wù) 作業(yè)監(jiān)控日志管理數(shù)據(jù)處理任務(wù)調(diào)度服務(wù)監(jiān)控商業(yè)

33、數(shù)據(jù)個人數(shù)據(jù)展示服務(wù)數(shù)據(jù)治理基礎(chǔ)管理集成服務(wù)門戶集成持續(xù)集成接口繼承數(shù)據(jù)共享安全服務(wù)身份認(rèn)證數(shù)據(jù)權(quán)限數(shù)據(jù)備份區(qū)塊鏈管理駕駛艙移動應(yīng)用敏捷分析報表分析元數(shù)據(jù)管理數(shù)據(jù)血緣數(shù)據(jù)標(biāo)準(zhǔn)治理流程多租戶管理 微服務(wù)管理 開發(fā)管理版本管控知識體系管理知識標(biāo)注知識抽取知識圖譜知識融合知識推送知識同步更新知識產(chǎn)權(quán)管理多層數(shù)據(jù)存儲管理知識多維度分析知識成果可視化展示智能推薦和訂閱數(shù)據(jù)處理及分析計算油氣藏類比標(biāo)定智能搜索引擎用戶管理 權(quán)限管理IaaS層數(shù)據(jù)中心NAS存儲網(wǎng)絡(luò)服務(wù)器虛擬化容器化來源：艾瑞根據(jù)專家訪談、公開資料等研究繪制。16知識圖譜應(yīng)用油氣領(lǐng)域面向應(yīng)用的統(tǒng)一數(shù)據(jù)與知識共享服務(wù)中間件知 識 服 務(wù) 中 臺

34、DaaS以業(yè)務(wù)/自然對象+索引標(biāo)簽為框架的知識應(yīng)用知識檢索知識問答知識類比智能分析知識聚合可視化展示知識 應(yīng)用知識 管理勘探開發(fā)知識管理（知識分類體系、知識成果加載、知識智能標(biāo)注、知識自動抽取、知識圖譜構(gòu)建、數(shù)據(jù)知識融合于同步、自然語言處理、文本識別）盆地/區(qū)帶/圈閉/油氣藏勘探部署開發(fā)方案提高采收率開發(fā)生產(chǎn)優(yōu)化非常規(guī)油氣深層油氣勘探海相油氣多源異 構(gòu)數(shù)據(jù)勘探開發(fā)大數(shù)據(jù)管理平臺（平臺管理、數(shù)據(jù)接入、數(shù)據(jù)接入、數(shù)據(jù)處理、數(shù)據(jù)治理、數(shù)據(jù)安全、多維分析、智能分析、檢索查詢、圖形識別、自然語言處理工具）勘探庫開發(fā)庫生產(chǎn)庫實驗數(shù)據(jù)礦權(quán)儲量石油地質(zhì) 研究報告資源評價 研究報告開發(fā)方案非常規(guī)油 氣研究歸檔資

35、料文獻(xiàn)資料專利計算與存儲平臺IaaS科學(xué)研究云虛擬化/容器化流計算SparkStreaming分布式文件系統(tǒng)HDFS分布式檢索Elasticsearch勘探應(yīng)用勘探區(qū)帶前景預(yù)測全球油氣資源優(yōu)選 勘探部署規(guī)劃開發(fā)應(yīng)用 開發(fā)戰(zhàn)略規(guī)劃重點氣區(qū)開發(fā)決策支持 復(fù)雜油藏提高采收率生產(chǎn)應(yīng)用 油氣生產(chǎn)優(yōu)化注采系統(tǒng)優(yōu)化 海外增產(chǎn)措施優(yōu)選工程應(yīng)用非常規(guī)井壓列酸化設(shè)計油氣井診斷與優(yōu)化設(shè)計 重點工程配套技術(shù)研發(fā)知識專業(yè)性強來源眾多且復(fù)雜，是知識圖譜絕佳的應(yīng)用場景油氣領(lǐng)域各專業(yè)是生產(chǎn)數(shù)據(jù)的來源，也是知識圖譜構(gòu)成的基礎(chǔ)，因此，油氣大數(shù)據(jù)分析與智能化應(yīng)用的方向也應(yīng)該從專業(yè) 領(lǐng)域中找尋。在物探專業(yè)中，地震數(shù)據(jù)最為關(guān)鍵，但單一

36、數(shù)據(jù)價值有限，需要結(jié)合多年采集的留存數(shù)據(jù)以及相關(guān)知識積累 才能挖掘數(shù)據(jù)背后的規(guī)律，進(jìn)行地震資料解釋、地質(zhì)反演與儲層預(yù)測等工作；在測井專業(yè)中，測井解釋需要將各類如電阻 率、自然電位等物理參數(shù)經(jīng)過關(guān)聯(lián)性數(shù)據(jù)處理描述為地質(zhì)信息，供后續(xù)勘探開發(fā)做必要參考，是尋找油氣的核心環(huán)節(jié)；在 鉆錄井專業(yè)中，隨著物聯(lián)網(wǎng)的普及，實時隨鉆錄井?dāng)?shù)據(jù)成為生產(chǎn)監(jiān)測重要的數(shù)據(jù)維度；在油氣生產(chǎn)領(lǐng)域，根據(jù)各類實時數(shù) 據(jù)采集，可以進(jìn)行關(guān)聯(lián)性分析與建模，產(chǎn)出實時動液面數(shù)據(jù)、實時產(chǎn)量數(shù)據(jù)和實時功圖數(shù)據(jù)的關(guān)系模型；在油氣藏模擬領(lǐng) 域，對油田生產(chǎn)井歷史數(shù)據(jù)進(jìn)行關(guān)聯(lián)性建模，是油田開發(fā)和油氣生產(chǎn)動態(tài)分析的常用手段。以上均為知識圖譜在油氣領(lǐng)域 中

37、重點應(yīng)用和研究方向，也是油氣智能化發(fā)展的核心。國雙勘探開發(fā)數(shù)據(jù)及知識成果管理和應(yīng)用來源：艾瑞根據(jù)專家訪談、公開資料等研究繪制。35知識圖譜應(yīng)用教育領(lǐng)域搭建知識圖譜是AI技術(shù)落地教育領(lǐng)域核心環(huán)節(jié)的關(guān)鍵前提當(dāng)前的教育場景可以劃分為教、管、學(xué)、考，主要圍繞教育者和受教育者進(jìn)行授課、答疑、閱卷和學(xué)習(xí)、練習(xí)、考試等活 動，本質(zhì)上是通過系統(tǒng)化的知識傳授與強化練習(xí)，使受教育者掌握知識點的過程。傳統(tǒng)教育模式以教師集中授課為主要方 式，存在著特級教師資源少、優(yōu)質(zhì)教學(xué)資源分配不佳、教學(xué)內(nèi)容和教學(xué)節(jié)奏制式化，以及作業(yè)練習(xí)布置缺乏個性化等問題。 在教育信息化和線上教育發(fā)展普及之后，AI+教育的概念隨之產(chǎn)生，人工智能公

38、司和教育機構(gòu)希望通過利用AI技術(shù)部分解決上述痛點，以達(dá)到對教育參與者減負(fù)增效的目的，但因為教育領(lǐng)域參與個體眾多，采集到的數(shù)據(jù)駁雜且零碎，難以直接 有效應(yīng)用，所以目前AI技術(shù)更多應(yīng)用在如拍照搜題、口語評測、課堂監(jiān)控等外圍需求的工具上面，并未能有效深入到教學(xué)場景中。而類似課題推送等應(yīng)用更多是將教學(xué)資源再分配，重視知識的點狀強化練習(xí)，卻不深究知識的掌握程度，以至實 際使用者反饋平平。人工智能技術(shù)真正產(chǎn)生生產(chǎn)價值，一定要建立在充分且必要的數(shù)據(jù)基礎(chǔ)上，搭建貫穿教材知識體系、 教學(xué)資源管理和受教育者學(xué)習(xí)軌跡的知識圖譜，將教與學(xué)的全過程進(jìn)行可視化展現(xiàn)，使靜態(tài)知識點數(shù)據(jù)與動態(tài)教學(xué)活動（如考試、作業(yè)等）數(shù)據(jù)產(chǎn)生

39、關(guān)聯(lián)，為算法應(yīng)用提供支撐環(huán)境，是AI+教育能落地到產(chǎn)業(yè)核心的關(guān)鍵前提。人工智能在教育領(lǐng)域中的應(yīng)用場景創(chuàng)新教學(xué)評估決策面向教育者教學(xué)管理學(xué)習(xí) 考試科學(xué)化管理精準(zhǔn)化教學(xué)面向受教育者自動化評閱個性化學(xué)習(xí)智能助教智能批改學(xué)情分析VRAR教學(xué)游戲?qū)W習(xí)機教育機器人拍照搜題自適應(yīng)學(xué)習(xí)智慧校園智能排課決策支持校園監(jiān)控口語考評試卷分析機器組卷機器閱卷教育領(lǐng)域知識圖譜來源：艾瑞根據(jù)公開資料自主研究繪制。18知識圖譜應(yīng)用教育領(lǐng)域教育知識圖譜為機器學(xué)習(xí)算法提供充分且必要的數(shù)據(jù)支撐知識圖譜在教育領(lǐng)域主要有以下幾種應(yīng)用場景：一是將學(xué)科教材知識進(jìn)行本體建模，形成可關(guān)聯(lián)性查詢的知識網(wǎng)絡(luò)；二是 以圖結(jié)構(gòu)將教學(xué)資源以及關(guān)系進(jìn)行語

40、義化組織，以便合理調(diào)用；三是在知識圖譜的基礎(chǔ)上，應(yīng)用大數(shù)據(jù)、AI等技術(shù)形成面 向?qū)W習(xí)目標(biāo)的個性化學(xué)習(xí)路徑，實現(xiàn)千人千面的教學(xué)方案；四是面對受教育者搭建個人知識圖譜，通過對其知識點學(xué)習(xí)進(jìn) 度和考試反饋數(shù)據(jù)的實時關(guān)聯(lián)，形成知識掌握狀態(tài)的可視化個人畫像，以至于習(xí)題推送和老師一對一教學(xué)有的放矢；五是 將教育領(lǐng)域碎片化多源異構(gòu)數(shù)據(jù)進(jìn)行處理，形成標(biāo)準(zhǔn)化的關(guān)聯(lián)數(shù)據(jù)集，為機器學(xué)習(xí)算法訓(xùn)練提供充要條件。通過以上五點 應(yīng)用，勾勒出基于知識圖譜的數(shù)字中臺形式，最大限度的對教育領(lǐng)域數(shù)據(jù)進(jìn)行資源整合，為上層智能化應(yīng)用提供支撐，改 變了“傳統(tǒng)教育披上人工智能外衣”的狀況，用技術(shù)起底教育邏輯，形成數(shù)據(jù)指導(dǎo)下自適應(yīng)學(xué)習(xí)的價值

41、閉環(huán)。在自適應(yīng)教 學(xué)中，松鼠AI專注于學(xué)生畫像與個性化學(xué)習(xí)路徑的探索和應(yīng)用，運用貝葉斯網(wǎng)絡(luò)、深度學(xué)習(xí)等AI算法，通過對學(xué)生學(xué)習(xí)過 程中多維數(shù)據(jù)的全方位評估，給予有針對性的學(xué)習(xí)內(nèi)容、學(xué)習(xí)路徑和學(xué)習(xí)節(jié)奏的推薦與把控，是國內(nèi)具有代表性的智能教育機構(gòu)之一。學(xué)習(xí) 環(huán)境 松鼠 AI引擎 本體學(xué)習(xí) 管理 系統(tǒng) 核心實時事件收集器基于對話的人類 用戶界面測試服務(wù)多模態(tài)綜合行為分析 事件收集器學(xué)習(xí)導(dǎo)航服務(wù)學(xué)習(xí)管理系統(tǒng) 管理服務(wù)學(xué)習(xí)管理系統(tǒng) 呈現(xiàn)服務(wù)監(jiān)控預(yù)警服務(wù)錯因分析本體學(xué)習(xí)圖譜動態(tài)學(xué)習(xí)目標(biāo)內(nèi)容圖譜高級診斷和VPA引擎目標(biāo)管理 引擎學(xué)習(xí)記錄庫用戶狀態(tài) 評估引擎實時分類 與預(yù)測推薦引擎學(xué)生畫像松鼠AI自適應(yīng)教育技

42、術(shù)框架來源：艾瑞根據(jù)公開資料自主研究繪制。1938中國數(shù)據(jù)智能代表企業(yè)案例展示目錄中國數(shù)據(jù)智能代表企業(yè)案例展示明略科技明略科技致力于探索新一代人工智能技術(shù)在知識和管理復(fù)雜度較高的行業(yè)中進(jìn)行更有效落地的方式方法。打通感知與認(rèn)知 智能，通過多模態(tài)人工智能和大數(shù)據(jù)技術(shù)，連接人、機器、組織的智慧，最終實現(xiàn)具有分析決策能力的高階人工智能應(yīng)用， 讓組織內(nèi)部高效運轉(zhuǎn)，讓更多的人和資源投入到創(chuàng)新的工作中去。目前，明略科技已為各行各業(yè)垂直領(lǐng)域的2000多個組織， 提供完整的人工智能閉環(huán)解決方案。基于數(shù)據(jù)中臺的能力，連接行業(yè)和客戶，形成智能化的應(yīng)用，為公共安全、工業(yè)、金 融、數(shù)字城市、智慧應(yīng)急、數(shù)字衛(wèi)生、智慧園區(qū)

43、等領(lǐng)域的政企客戶構(gòu)建行業(yè)知識圖譜，并逐步在諸多行業(yè)應(yīng)用場景中實現(xiàn)了感知、認(rèn)知和行動的連接。明略科技多領(lǐng)域智能化解決方案框架基 于 市 場 監(jiān) 測 和 數(shù) 據(jù) 分 析 的 商 業(yè) 咨 詢智慧餐飲智慧零售智慧供應(yīng)鏈智能設(shè)備智慧餐飲業(yè)務(wù)+ 數(shù)據(jù)+AI中臺解 決方案智慧零售全渠道業(yè)務(wù) 中臺解決方案智慧零售全渠道數(shù)據(jù) 中臺解決方案Routing Fix智能調(diào)度與路徑優(yōu)化解決方案Loading Fix智能裝載解決方案倉配一體化平臺解決方案Forecasting Fix需求預(yù)測解決方案智慧靈聽智慧公安智慧工業(yè)智慧金融新一代公安大數(shù)據(jù)平臺（數(shù)據(jù)中臺）城市軌道交通智能維保金融行業(yè)數(shù)據(jù)中臺解決方案泛在多維感知智能

44、平臺城市軌道交通數(shù)據(jù)平臺金融行業(yè)智能反洗錢/反欺詐解決方案警務(wù)大腦平臺（警種專項智能應(yīng)用）電力數(shù)據(jù)中臺金融行業(yè)風(fēng)險洞察平臺解決方案警務(wù)知識圖譜情報平臺金融行業(yè)智能審計與稽查平臺解決方案明察智能大數(shù)據(jù)檢索系統(tǒng)金融行業(yè)智能營銷解決方案及服務(wù)數(shù)字城市智慧應(yīng)急數(shù)字衛(wèi)生智慧園區(qū)政務(wù)大數(shù)據(jù)解決方案智慧社區(qū)綜合應(yīng)用系統(tǒng)智慧教育大數(shù)據(jù)解決方案智慧文旅大數(shù)據(jù)解決方案明智云應(yīng)急大數(shù)據(jù)中臺解決方案明智云智慧消防解決方案明略科技智慧食安系統(tǒng)智慧園區(qū)解決方案消費者全觸點測量與優(yōu)化智能分析與決策業(yè)務(wù)及數(shù)據(jù)中臺廣告營銷業(yè)務(wù)全鏈路測量系統(tǒng)線上線下多場景測量系統(tǒng)消費者認(rèn)知測量全域營銷智能情報平臺營銷流量反欺詐防御系統(tǒng)內(nèi)容洞察創(chuàng)

45、新平臺社交輿情監(jiān)測平臺KOL分析與選擇解決方案社交BI系統(tǒng)營銷業(yè)務(wù)中臺消費者數(shù)據(jù)管理平臺智能廣告優(yōu)化管理平臺全渠道互動管理平臺解決方案公 共 服 務(wù)來源：艾瑞根據(jù)專家訪談、公開資料等研究繪制。21中國數(shù)據(jù)智能代表企業(yè)案例展示國雙國雙成立于2005年，于2016年9月23日，成功登陸納斯達(dá)克，成為中國首家赴美上市的大數(shù)據(jù)企業(yè)，是一家企業(yè)級大數(shù)據(jù) 和人工智能解決方案提供商，公司致力于實現(xiàn)“技術(shù)改變產(chǎn)業(yè)，促進(jìn)社會發(fā)展”的愿景。國雙數(shù)據(jù)科學(xué)團隊成員共計30多 人，涉及領(lǐng)域包括數(shù)據(jù)科學(xué)家、機器學(xué)習(xí)建模專家、計算機視覺專家、自然語言處理專家、語音工程專家等，目前數(shù)據(jù)科 學(xué)應(yīng)用主要服務(wù)能源、汽車、金融、快消

46、、政府、司法等行業(yè) ?；诖髷?shù)據(jù)平臺分布式數(shù)據(jù)架構(gòu)和實時、多維度關(guān)聯(lián)性分 析技術(shù)，國雙的解決方案能夠高效采集并分析海量數(shù)據(jù)，使客戶充分洞悉數(shù)據(jù)間的復(fù)雜關(guān)系，獲得全新的商業(yè)洞察，以更好地作出商業(yè)決策。國雙企業(yè)數(shù)字化智能轉(zhuǎn)型解決方案新工藝、新趨勢、個性化 需求發(fā)掘產(chǎn)品屬性、性能、功能、 質(zhì)量、制造的仿真模擬采購品類、數(shù)量預(yù)測供應(yīng)商管理物料、倉儲預(yù)警設(shè)備、物料、工藝流程數(shù)據(jù)實時采集設(shè)備故障智能預(yù)警生產(chǎn)效能、產(chǎn)線瓶頸分析產(chǎn)品故障預(yù)測/報警產(chǎn)品質(zhì)量智能檢測訂單、車輛、貨物、 倉儲最優(yōu)規(guī)劃與調(diào) 度行業(yè)、競爭分析市場需求分析市場容量預(yù)測營銷策劃與推廣營銷監(jiān)測效果評估OMO場景營銷渠道商數(shù)據(jù)收集渠道商運營、營銷、管理渠道商資質(zhì)判斷商圈/店鋪選擇銷售目標(biāo)制定、分解銷售業(yè)績考核客戶數(shù)據(jù)收集客戶咨詢、下單自動 應(yīng)答客戶價值預(yù)測會員管理客戶流失分析維修需求預(yù)判物流需求智能下單服務(wù)人員