2020年面向人工智能新基建的知識圖譜行業(yè)白皮書

1、3新基建與知識圖譜概述1知識圖譜行業(yè)現(xiàn)狀2知識圖譜應用場景345知識圖譜應用展望人工智能新基建下城市創(chuàng)新場景新基建的發(fā)展概述頂層設計先行，新基建進入發(fā)展快車道，為數(shù)字化、網(wǎng)絡化、 智能化建設注入新動力新型基礎設施建設是為加快國家規(guī)劃建設，決策層明確推出的重大工程和基礎設施建設項目。自2018年12月中央經(jīng)濟工作會議首次提出以來，新基建概念在高級別會議中被密集提及，重視程度不斷強化，相關政策路線也日趨清晰?！靶禄ā备拍畹陌l(fā)展歷程2018.12.21政府工作報告會議/發(fā)文內(nèi)容2019.03.052019.05.142019.07.302019.12.122020.01.032020.02.142

2、020.03.04中央經(jīng)濟工作會議國務院常務會議中共中央政治局會議七部門印發(fā)關于促進“互聯(lián)網(wǎng)+社會服 務”發(fā)展的意見國務院常務會議中央全面深化改革委員會第十二次會議2020.05.222020.04.28中共中央政治局常務委員會會議政府工作報告2020.04.29來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。42020.11 iResearch Inc.中共中央政治局常務委員會會議國務院常務會議發(fā)揮投資關鍵作用，加大制造業(yè)技術改造和設備更更新。加快5G商用步伐，加強人工 智能、工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等新型基礎設施建設。加快5G商用步伐和IPv6部署；打造工業(yè)互聯(lián)網(wǎng)平臺；深化大數(shù)據(jù)、人工智能等研發(fā)應

3、用；加強重大科技基礎設施、科技創(chuàng)新中心建設；加強新一代基礎設施建設和融合應用。把工業(yè)互聯(lián)網(wǎng)等新型基礎設施建設與制造業(yè)技術進步有機結(jié)合。 加快推進信息網(wǎng)絡等新型基礎設施建設。加快布局新型數(shù)字基礎設施；加快5G行業(yè)應用試點；加速構(gòu)建支持大數(shù)據(jù)應用和云端 海量信息處理的云計算基礎設施，支持政府和企業(yè)建設人工智能基礎服務平臺；面向社 會服務提供人工智能應用所需的基礎數(shù)據(jù)、計算能力和模型算法。發(fā)展先進制造業(yè)，出臺信息網(wǎng)絡等新型基礎設施投資支持政策，推進智能、綠色制造。通過關于推動基礎設施高質(zhì)量發(fā)展的意見；統(tǒng)籌存量和增量、傳統(tǒng)和新型基礎設施 發(fā)展，打造集約高效、經(jīng)濟適用、智能綠色、安全可靠的現(xiàn)代化基礎設施

4、體系。加快5G網(wǎng)絡、數(shù)據(jù)中心等新型基礎設施建設進度。推進信息網(wǎng)絡等新型基礎設施建設，創(chuàng)新投資建設模式，堅持以市場投入為主，支持多 元主體參與建設，鼓勵金融機構(gòu)創(chuàng)新產(chǎn)品強化服務；加強政府引導和支持。要啟動一批重大項目，加快傳統(tǒng)基礎設施和5G、人工智能等新型基礎設施建設。 重點支持既促消費惠民生又調(diào)結(jié)構(gòu)增后勁的“兩新一重”建設。新基建的內(nèi)涵和外延深度應用互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智 能等技術，支撐傳統(tǒng)基礎設施轉(zhuǎn)型 升級，進而形成的融合基礎設施， 賦予傳統(tǒng)基礎設施建設新的內(nèi)涵例如，智能交通基礎設施、智慧能 源基礎設施等融合基礎設施基于新一代信息技術演化生 成的基礎設施例如，以5G、物聯(lián)網(wǎng)、工業(yè) 互聯(lián)網(wǎng)、衛(wèi)

5、星互聯(lián)網(wǎng)為代表 的通信網(wǎng)絡基礎設施；以人 工智能、云計算、區(qū)塊鏈等 為代表的新技術基礎設施， 以數(shù)據(jù)中心、智能計算中心 為代表的算力基礎設施等是工業(yè)互聯(lián)網(wǎng)在未來發(fā)展中 的重要技術支撐，是GDP增 速的主要來源主要是指支撐科學研究、技 術開發(fā)、產(chǎn)品研制的具有公 益屬性的基礎設施例如，重大科技基礎設施、 科教基礎設施、產(chǎn)業(yè)技術創(chuàng) 新基礎設施等信息基礎設施來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。52020.11 iResearch Inc.創(chuàng)新基礎設施發(fā)力于科技端的信息數(shù)字化基礎設施建設2020年4月20日，國家發(fā)改委將新型基礎設施初步定義為：以新發(fā)展理念為引領，以技術創(chuàng)新為驅(qū)動，以信息網(wǎng)絡為

6、基礎， 面向高質(zhì)量發(fā)展需要，提供數(shù)字轉(zhuǎn)型、智能升級、融合創(chuàng)新等服務的基礎設施體系。與傳統(tǒng)的基礎設施建設相比，新基建體現(xiàn)出“重創(chuàng)新、補短板”的特征：主要面向新產(chǎn)業(yè)、新業(yè)態(tài)和新模式，促進經(jīng)濟結(jié)構(gòu)優(yōu)化；但同時也對傳統(tǒng)基礎設施建設形成補充，助力傳統(tǒng)基礎設施的智能化改造，提高傳統(tǒng)基礎設施的運行效率。 伴隨著技術革命和產(chǎn)業(yè)變革，新型基礎設施的內(nèi)涵和外延還將不斷豐富和延展。新型基礎設施建設的范圍新基建新基建讓生產(chǎn)生活更智慧創(chuàng)新基礎設施：重大科技基礎設施、科教基礎設施、產(chǎn)業(yè)技術創(chuàng)新基礎設施融合基礎設施：智能交通基礎設施、智慧能源基礎設施5G物聯(lián)網(wǎng)人工智能云計算智能計算中心信息基礎設施：通信網(wǎng)絡基礎設施、新技術

7、基礎設施、算力基礎設施新型基礎設施新型智慧城市新型產(chǎn)業(yè)經(jīng)濟推動科技勢能向產(chǎn)業(yè)動能轉(zhuǎn)化，加速重構(gòu)智能社會新模式國家競爭優(yōu)勢中指出，每一個國家的發(fā)展將經(jīng)歷生產(chǎn)要素驅(qū)動、投資驅(qū)動、創(chuàng)新驅(qū)動和財富驅(qū)動等四個發(fā)展階段。隨 著數(shù)字化技術突飛猛進的發(fā)展，在新基建推動下，蓬勃發(fā)展的5G、大數(shù)據(jù)、人工智能等新興技術將大幅度提高社會的數(shù)字 化、智能化水平，推動經(jīng)濟發(fā)展由投資驅(qū)動轉(zhuǎn)向創(chuàng)新驅(qū)動的轉(zhuǎn)型。新基建是數(shù)字世界的基礎設施，通過科學技術構(gòu)建數(shù)據(jù)，實現(xiàn)從傳輸?shù)椒治鲈俚經(jīng)Q策和執(zhí)行，支撐了數(shù)字世界的構(gòu)建，提 升了數(shù)字世界的智能化能力，進而反哺物理世界，最終構(gòu)筑新舊協(xié)同的現(xiàn)代化基礎設施?！靶禄ā钡幕炯軜?gòu)創(chuàng)新驅(qū)動經(jīng)濟發(fā)

8、展來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。62020.11 iResearch Inc.人工智能是新基建的重點領域人工智能推動智能產(chǎn)業(yè)化和產(chǎn)業(yè)智能化人工智能是新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動力，在新基建的三大領域中，兩大領域都直接提及人工智能。在信息基 礎設施領域，人工智能與云計算、區(qū)塊鏈一起被視為一種新技術基礎設施；而在融合基礎設施領域中，人工智能則被視為 支撐傳統(tǒng)基礎設施轉(zhuǎn)型升級的重要工具。人工智能新基建的本質(zhì)不僅僅指向其自身的產(chǎn)業(yè)化發(fā)展，更是在實體經(jīng)濟中尋找 應用場景，賦能生產(chǎn)力升級，即作為重大應用基礎設施，推動各行業(yè)完成智能化轉(zhuǎn)型，實現(xiàn)新舊動能的轉(zhuǎn)換。艾瑞咨詢測 算，2019年

9、人工智能賦能實體經(jīng)濟產(chǎn)生的市場規(guī)模超過570億元。2018-2022年中國人工智能賦能實體經(jīng)濟市場規(guī)模1573.01157.0819.8570.1251.120182022e2019e2020e2021e人工智能賦能實體經(jīng)濟所產(chǎn)生的市場規(guī)模（億元）來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。72020.11 iResearch Inc.82020.11 iResearch Inc.2020.11 iResearch Inc.人工智能是新基建的重要技術人工智能具備建設新型基礎設施的產(chǎn)業(yè)基礎和技術成熟度基礎設施指為直接生產(chǎn)部門和生活提供共同條件和公共服務的設施，關鍵屬性包括共性剛需能力、公共服務

10、、強外部性。 人工智能成為新型基礎設施首先要有成熟可應用落地的技術和產(chǎn)業(yè)基礎。人工智能二十世紀七十年代以來被稱為世界三大尖端技術之一。1956年在達特茅斯會議上被首次提出，隨著核心算法的突破、并行計算能力的迅速提升以及海量數(shù)據(jù)的支撐，在深度學習等新理論的驅(qū)動下，近十年來迎來質(zhì)的飛躍，產(chǎn)業(yè)結(jié)構(gòu)也 日趨成熟。隨著技術不斷迭代，市場認知不斷完善，相關技術與傳統(tǒng)行業(yè)經(jīng)營模式和業(yè)務流程開始產(chǎn)生實質(zhì)性融合，應用 領域也逐漸向?qū)嶓w經(jīng)濟領域和公共服務領域拓展，全面賦能生產(chǎn)生活各個方面，人工智能的基礎設施屬性正在逐步顯現(xiàn)。來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。達特茅斯會議 人工智能 學科誕生推理期將邏輯

11、推理能力賦予計算機系統(tǒng)知識期總結(jié)人類知識教授給計算機系統(tǒng)人工智能計算機DARPA宣告失敗羅森布拉特發(fā)明第一款 神經(jīng)網(wǎng)絡perceptron機器學習期計算機從數(shù)據(jù) 中學習算法1956 19571970198419922006 2013以來來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。人工智能技術發(fā)展進入新一輪高潮深度學習算法在語音和視 覺識別上取得成功，識別率分別超過99%和95%BP算法出現(xiàn)使大規(guī)模 神經(jīng)網(wǎng)絡訓練成為可能計算能力的突破沒能使機器完成大規(guī)模數(shù)據(jù)訓練和復雜任務美國、英國相繼縮減經(jīng)費支持Hinton提出深度學習神經(jīng)網(wǎng)絡基礎層：軟硬件設施以及數(shù)據(jù)服務技術層：基礎框架、算法模型以及通用技

12、術應用層：產(chǎn)品、服務和解決方案數(shù)據(jù)芯片CPU傳感器開源框架深度 學習知識 圖譜計算機 視覺自然語言 處理智能語音 識別消費類終端產(chǎn)品整體解決方案教育零售文娛醫(yī)療安防金融客服智能操作系統(tǒng)人工智能產(chǎn)業(yè)結(jié)構(gòu)已基本完備人工智能進入認知智能探索階段來源：The Association for the Advance of Artificial Intelligence，美國人工智能協(xié)會，根據(jù)艾瑞統(tǒng)計模型核算。當前呈現(xiàn)弱人工智能狀態(tài)，在認知智能領域還處于初級階段人工智能的本質(zhì)是進行生產(chǎn)力升級，因此評判人工智能技術是否有價值，要看其應用是否貼近生產(chǎn)核心。一般認為，人工 智能分計算智能、感知智能和認知智能三個

13、層次。計算智能即快速計算、記憶和儲存的能力；感知智能即對自然界具象事 物的識別與判斷能力；認知智能則為理解、分析等能力。當前，數(shù)據(jù)標準化已經(jīng)趨于成熟，以快速計算和存儲為目標的計 算智能已基本實現(xiàn)；在機器學習和深度學習技術的推動下，以視聽覺等識別技術為目標的感知智能也突破了工業(yè)化紅線， 實現(xiàn)了機器對自然界具象事物的判斷與識別。但感知智能呈現(xiàn)的終究是一種弱人工智能狀態(tài)，還只能在某一方面的人類工作上協(xié)助或替代人類。當人們能使用機器識別 更多事物，自然而然地引發(fā)了對事物的理解和分析等深層次的自動化知識服務的需求，而需要外部知識、邏輯推理或者領 域遷移的認知智能領域還處于初級階段。學界已經(jīng)展開認知智能領

14、域的研究，2018年以來，美國人工智能協(xié)會收錄關于認 知智能層面的論文逐年增多，占所有收錄論文的比重也有提升。2018-2019年美國人工智能協(xié)會收錄認知智能論文數(shù)23.60%19.20%2711802018收錄論文（篇）2019占比（%）92020.11 iResearch Inc.知識圖譜的定義用圖模型來描述知識和建模萬物關系的語義網(wǎng)絡知識圖譜是一種用圖模型來描述知識和建模世界萬物之間關聯(lián)關系的大規(guī)模語義網(wǎng)絡，是大數(shù)據(jù)時代知識表示的重要方式 之一。知識圖譜最常見的表示形式是RDF（三元組），即“實體 x 關系 x 另一實體”或“實體 x 屬性 x 屬性值”集合，其 結(jié)點代表實體（entit

15、y）或者概念（concept），邊代表實體/概念之間的各種語義關系。由于知識圖譜富含實體、概念、 屬性和關系等信息，使機器理解與解釋現(xiàn)實世界成為可能。上世紀七八十年代，傳統(tǒng)的知識工程與專家系統(tǒng)解決了很多的問題，但是都是在規(guī)則明確、邊界清晰、應用封閉的限定場 景取得成功，嚴重依賴專家干預，一旦涉及到開放的問題就基本不太可能實現(xiàn)，因此難以適應大數(shù)據(jù)時代開放應用到規(guī)模 化的需求等問題。相對于傳統(tǒng)的知識表示，知識圖譜具有規(guī)模巨大、語義豐富、質(zhì)量精良與結(jié)構(gòu)友好等特點，宣告知識工程進入了一個新的時代。傳統(tǒng)知識工程和知識圖譜知識工程管 理流程知識領域知識知識 管理知識制度知識文化知識業(yè)務1業(yè)務2 業(yè)務n傳統(tǒng)

16、知識工程的知識管理來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。102020.11 iResearch Inc.知識圖譜知識圖譜是認知智能的底層支撐通過建立從數(shù)據(jù)到知識圖譜中實 體、概念、關系的映射，使機器 能理解數(shù)據(jù)，從數(shù)據(jù)中提煉出行 業(yè)或領域內(nèi)高精度的知識；通過 利用知識圖譜中實體、概念和關 系來解釋現(xiàn)實世界中的事物和現(xiàn) 象，使機器能解釋現(xiàn)象。智能來源：艾瑞咨詢研究院根據(jù)公開資料、羅素艾可夫”From data to wisdom, Human systems management”自主研究繪制。112020.11 iResearch Inc.（W）信息（I）數(shù)據(jù)（D）知識（K）理解和解釋

17、 推理和決策抽取融合原始素材加工后有邏輯的數(shù)據(jù)提煉信息間的聯(lián)系 組織化的信息知識的應用為描繪物理世界生產(chǎn)生活行為提供有效的方法與工具讓機器具備認知智能具體體現(xiàn)在讓機器掌握知識，擁有理解數(shù)據(jù)、理解語言進而理解現(xiàn)實世界的能力，擁有解釋數(shù)據(jù)、解 釋過程進而解釋現(xiàn)象的能力，擁有推理、規(guī)劃等一系列人類所獨有的思考認知能力，而這些能力的實現(xiàn)與大規(guī)模、結(jié)構(gòu)化、 關聯(lián)密度高的背景知識是密不可分的。知識圖譜通過對海量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進行知識萃取并關聯(lián)形成網(wǎng)狀知識結(jié)構(gòu)，對概念間的關系屬性進行聯(lián)結(jié)和轉(zhuǎn)換， 支持非線性的、高階關系的分析，為描繪物理世界生產(chǎn)生活行為提供了有效的方法與工具，是認知智能的底層支撐。知識

18、 圖譜幫助機器實現(xiàn)認知智能的“理解”和“解釋”能力：通過建立從數(shù)據(jù)到知識圖譜中實體、概念、關系的映射，使機器 能理解數(shù)據(jù)，從數(shù)據(jù)中提煉出行業(yè)或領域內(nèi)高精度的知識；通過利用知識圖譜中實體、概念和關系來解釋現(xiàn)實世界中的事 物和現(xiàn)象，使機器能解釋現(xiàn)象。更進一步的，基于知識圖譜和邏輯規(guī)則或統(tǒng)計規(guī)律，機器能推理出實體或概念間深層的、 隱含的關系，實現(xiàn)認知智能的“推理”能力。知識圖譜技術將數(shù)據(jù)映射為智慧知識圖譜的基本構(gòu)建流程數(shù)據(jù)-知識抽取-知識融合-知識加工-知識應用根據(jù)覆蓋范圍的不同，知識圖譜可以區(qū)分為應用相對廣泛的通用知識圖譜和專屬于某個特定領域的行業(yè)知識圖譜：通用知 識圖譜覆蓋范圍廣，注重橫向廣度，

19、強調(diào)融合更多的實體，通常采用自底向上的構(gòu)建方式，從開放鏈接數(shù)據(jù)(“信息”)中 抽取出置信度高的實體，再逐層構(gòu)建實體與實體之間的聯(lián)系；行業(yè)知識圖譜指向一個特定的垂直行業(yè)，注重縱向深度，具 有豐富的實體屬性和數(shù)據(jù)模式，通常采用自頂向下的構(gòu)建方式，先定義好本體與數(shù)據(jù)模式，再抽取實體加入到知識庫。 知識圖譜的構(gòu)建遵循知識抽取、知識融合、知識加工、知識應用的基本流程。從海量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中進行實體、 關系、屬性和事件的信息提取，通過本體和實體對齊、指代消解解決多種類型的數(shù)據(jù)沖突問題，完成知識融合。將知識存 儲到知識庫中，最后進行進一步的知識推理和圖譜應用。知識圖譜的基本構(gòu)建流程結(jié)構(gòu)化數(shù)據(jù)半結(jié)構(gòu)化數(shù)

20、據(jù)非結(jié)構(gòu)化數(shù)據(jù)實體對齊指代消解知識庫數(shù)據(jù)整合第三方數(shù)據(jù)庫質(zhì)量評估知識推理實體抽取關系抽取屬性抽取事件抽取知識抽取知識融合數(shù)據(jù)源知識加工算法支撐圖譜應用原圖應用知識檢索知識自動化知識更新來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。122020.11 iResearch Inc.知識推理的重要技術圖計算用于圖結(jié)構(gòu)化數(shù)據(jù)間的關聯(lián)性推理運算，善于挖掘隱藏關系知識圖譜構(gòu)建過程的關鍵技術有知識表示（如RDF、OWL）、知識抽?。ㄈ鐚嶓w識別與鏈接、關系抽?。?、知識融合（如 本體對齊、實體對齊）、知識存儲（如圖數(shù)據(jù)庫存儲、RDF存儲技術）、知識推理等。由于圖數(shù)據(jù)相對于傳統(tǒng)的關系型數(shù) 據(jù)具有更強大的表達能力，

21、善于處理大量的、復雜的、互聯(lián)的、多變的網(wǎng)狀數(shù)據(jù)，因此圖數(shù)據(jù)的計算與推理逐漸成為知識 圖譜的重要研究任務之一。圖計算專用于圖結(jié)構(gòu)化數(shù)據(jù)之間關聯(lián)性的推理運算，基礎數(shù)據(jù)格式與圖存儲相對應，由代表實體和本體的“點”、代表語 義關系的“邊”和邊上的權重組成。圖計算算法主要包括遍歷算法（全盤訪問每一個節(jié)點）、社區(qū)發(fā)現(xiàn)（用于計算社交網(wǎng) 絡中人際關系）、PageRank（源自搜索引擎，用于網(wǎng)頁鏈接排序） ，以及最短路徑算法（解決圖結(jié)構(gòu)中距離問題），在 知識圖譜中主要應用遍歷算法進行知識推理，以發(fā)現(xiàn)實體間隱藏的關系。圖計算算法核心內(nèi)容圖數(shù)據(jù)庫以圖形的“節(jié)點” 象征實體，節(jié)點間的“邊”代表實體間的關系，更 有利于

22、知識查詢和價值挖掘遍歷算法沿著某條搜索路線，依 次對樹（或圖）中每個 節(jié)點均做一次訪問，試 圖找到新的關聯(lián)來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。132020.11 iResearch Inc.社區(qū)發(fā)現(xiàn)社區(qū)發(fā)現(xiàn)算法可以用來 發(fā)現(xiàn)社交網(wǎng)絡中三角形 的個數(shù)（圈子），可以 分析出哪些圈子更穩(wěn)固， 關系更緊密PageRank如一個網(wǎng)頁被多個網(wǎng)頁 鏈接，則其PageRank 值較高，該算法源自搜 索引擎中的網(wǎng)頁排序最短路徑用于計算一個節(jié)點到其 他節(jié)點間最短的途徑， 以目標節(jié)點為中心，向 邊緣擴散14新基建與知識圖譜概述1知識圖譜行業(yè)現(xiàn)狀2知識圖譜應用場景345知識圖譜應用展望人工智能新基建下城市創(chuàng)

23、新場景152020.11 iResearch Inc.2020.11 iResearch Inc.知識圖譜的應用價值來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。深度學習大規(guī)模數(shù)據(jù)數(shù)據(jù) 理解數(shù)據(jù) 驅(qū)動分布式表示知識圖譜圖神經(jīng) 網(wǎng)絡知識 表示 學習知識獲取知識指導數(shù)據(jù)驅(qū)動的 深度學習符號表示的 知識圖譜對復雜關系的深入挖掘和直觀展示知識圖譜是符號主義人工智能的代表，核心在于對多模、多源異構(gòu)數(shù)據(jù)和多維復雜關系的高效處理與可視化展示，將社會 生活與生產(chǎn)活動中難以用數(shù)學模型直接表示的關聯(lián)屬性，融合成一張以關系為紐帶的數(shù)據(jù)網(wǎng)絡。通過對關系的挖掘與分析， 能夠找到隱藏在行為之下的關聯(lián)，并進行直觀的展示。基

24、于知識圖譜的上述優(yōu)勢，適宜解決關系復雜的問題，如深度搜索、 規(guī)范業(yè)務流程、規(guī)則和經(jīng)驗性預測等相關研究課題。連結(jié)主義中的深度學習算法是新一代人工智能的標志性技術，但深度學習有其局限性，側(cè)重解決影響因素較少、但計算高 度復雜的問題，而不太適宜解決影響因素較多、且摻雜眾多非線性關系的問題。通過與知識圖譜的配合使用，依托于行業(yè) 知識與經(jīng)驗的深度學習將產(chǎn)生更多貼近產(chǎn)業(yè)核心的認知智能應用，有助于覆蓋場景中大多數(shù)問題，形成完整的以“場景需 求”為導向的人工智能解決方案，進一步實現(xiàn)生產(chǎn)力升級的終極目標。知識圖譜的數(shù)據(jù)處理層次知識圖譜與深度學習算法的配合應用來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。文本標簽

25、表格圖譜結(jié)構(gòu)本體規(guī)則淺層 語義分析表格理解知識抽取本體學習機器學習圖譜分析非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu) 化 數(shù)據(jù)數(shù)據(jù)工程實例模式知識邏輯2020.11 iResearch I16知識圖譜的典型應用來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。知識 圖譜原圖應用知識圖譜是人工智能應用鏈條的第一步，是人工智能的底層技術。知識圖譜在高效數(shù)據(jù)處理和知識加工推理方面的能力， 可以推動人工智能既有產(chǎn)品的升級或提供更有效的解決方案，同時也可以轉(zhuǎn)化為新的商業(yè)產(chǎn)品形式。知識圖譜的產(chǎn)品形式可以分為原圖應用和算法支撐兩類。原圖應用指基于知識圖譜的圖結(jié)構(gòu)和豐富的語義關系，直接通過圖譜產(chǎn)生價值的服務形式，例如圖挖掘、關聯(lián)分析等。通

26、用知識圖譜被視為下一代搜索引擎的核心技術，而行業(yè)知識圖譜 由于有具體場景的認知深度，能很好地滿足垂直領域知識類查詢的需求，如企業(yè)業(yè)務流程查詢、司法領域案例查詢等。算 法支撐指通過知識圖譜對于信息源的數(shù)據(jù)進行處理，將產(chǎn)出的結(jié)構(gòu)化關聯(lián)數(shù)據(jù)用于其他人工智能任務的算法模型訓練和應 用中，得到能解決具體場景問題的研判建議，形成解決辦法產(chǎn)生價值的服務形式。知識圖譜的原圖應用原圖應用：基于知識圖譜的圖結(jié)構(gòu)和豐富的語義關系，實現(xiàn)知識可視化、 圖挖掘、關聯(lián)分析等，直接通過圖譜產(chǎn)生價值的服務形式學術知識查詢法律案牘查詢保險理賠案例查詢業(yè)務流程查詢企業(yè)關系查詢臨床病例查詢嫌疑人關系 查詢172020.11 iRes

27、earch Inc.2020.11 iResearch Inc.知識圖譜的典型應用來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。自然語言的輸入：問題分類器問題文本語義槽提?。?完成類別判別SPARQL抽?。?將問題構(gòu)造為 SPARQL模版回復生成：返回相應的查詢結(jié)果 轉(zhuǎn)化成易于理解的形式問題分析：完成分詞、詞性標注 實體識別、實體消歧建立語義鏈接： 語義槽中自然語言 表達鏈接到對應知 識圖譜的URL上SPARQL查詢生成： 標準構(gòu)造的SPARQL 可在圖譜中被查詢支撐其他人工智能任務：搜索、問答、推薦知識圖譜為其他人工智能任務提供算法支撐的典型應用

28、主要包括智能問答、智能搜索和智能推薦、決策分析系統(tǒng)等，目前 都已產(chǎn)生了成熟且廣泛應用的商業(yè)產(chǎn)品，同時也是各領域知識圖譜中的重要一環(huán)?；谥R圖譜的智能搜索能對文本、圖 片、視頻等復雜多元對象進行跨媒體搜索，也能實現(xiàn)篇章級、段落級、語句級的多粒度搜索。智能搜索讓計算機更準確地 識別和理解用戶深層的搜索意圖和需求，在知識圖譜中查找出目標實體及其相關內(nèi)容，對結(jié)果內(nèi)容進行實體排序和分類， 并以符合人類習慣的自然語言的形式展示，從而提高搜索體驗。智能問答可以分為直接回答、統(tǒng)計回答和推理回答?；?知識圖譜的智能問答能從實體和短句兩個維度進行挖掘，能理解多樣問法和有噪音問法，具有較高的準確率、召回率。在

29、對話結(jié)構(gòu)和流程設計上，能實現(xiàn)實體間上下文會話的識別與推理，最終實現(xiàn)更自然的人機交互?；谥R圖譜的智能推薦 則通過獲得用戶和物品的精確畫像，從而實現(xiàn)準確的匹配和有針對性的推薦，實現(xiàn)場景化、任務型的推薦?；谥R圖譜的智能問答的基本實現(xiàn)方式基于知識圖譜的智能搜索的基礎運作流程文本結(jié)果排序擴展搜索語句用戶Query解析圖譜計算規(guī)則擴展 查詢實體解析文本+圖譜 可視化展示知識庫知識索引庫概念圖譜實例圖譜概念圖譜實體圖譜來源：艾瑞咨詢研究院根據(jù)專家訪談、招投標項目統(tǒng)計推算。注釋：知識圖譜核心產(chǎn)品：Schema三元組模型構(gòu)建、實體標注等技術，知識圖譜管理平臺與建模服務、垂直行業(yè)的知識圖譜應用產(chǎn)品及解決方

30、案；知識圖譜帶動收入：帶動大數(shù)據(jù)、 智慧應用以及傳統(tǒng)產(chǎn)業(yè)效益提升規(guī)模。知識圖譜的行業(yè)發(fā)展情況65.082.5113.8148.4165.5201.3237.9704.0497.1391.8886.5954.61134.72019年核心產(chǎn)品市場規(guī)模約65.0億元，預期將迎來快速發(fā)展隨著人工智能的算法和算力不斷提升，數(shù)據(jù)來源愈發(fā)廣泛，大規(guī)模自動化的知識獲取和全新的知識表示成為可能。與之相 對應的，傳統(tǒng)知識工程受限于知識獲取階段需要重度的人工參與，在互聯(lián)網(wǎng)時代不再能適應整個互聯(lián)網(wǎng)高效化、智能化應 用的需要。推力和拉力的共同作用促進了知識圖譜發(fā)展，其構(gòu)建中的核心產(chǎn)業(yè)主要包括Schema三元組模型構(gòu)建、

31、實體標 注等技術，知識圖譜管理平臺與建模服務、垂直行業(yè)的知識圖譜應用產(chǎn)品及解決方案等。據(jù)艾瑞咨詢統(tǒng)計推算，2019年知 識圖譜核心產(chǎn)品的市場規(guī)模約為65.0億元，仍有較大發(fā)展空間，預計2024年將突破200億元，年復合增長率達到20.4%。 此外，知識圖譜技術的應用也進一步帶動傳統(tǒng)企業(yè)智能運維效率升級，據(jù)艾瑞咨詢估算，2019年中國知識圖譜技術帶動經(jīng) 濟增長規(guī)模達391.8億元，預計到2024年將突破1000億元。2019-2025年中國知識圖譜核心產(chǎn)品市場規(guī)模及帶動經(jīng)濟增長規(guī)模1305.920192022e2025e2020e2021e中國知識圖譜核心產(chǎn)品市場規(guī)模（億元）2023e2024e

32、中國知識圖譜帶動經(jīng)濟增長規(guī)模（億元）2019-2025 CAGR20.4%182020.11 iResearch Inc.知識圖譜產(chǎn)業(yè)鏈與參與者圖譜知識抽取、知識融合、知識加工，逐步構(gòu)建知識圖譜，提供具體場景應用服務從各類數(shù)據(jù)來源處采集、挖掘數(shù)據(jù)，并對數(shù)據(jù)進行預處理和前期結(jié)構(gòu)化數(shù)據(jù)提供方電商數(shù)據(jù) 政府數(shù)據(jù)公開渠道社交數(shù)據(jù) 企業(yè)數(shù)據(jù)網(wǎng)絡搜索數(shù)據(jù) 廣播電信數(shù)據(jù)定位系統(tǒng)傳感器射頻識別電子標簽軟硬件 支撐知識圖譜 服務平臺通用知識圖譜數(shù)據(jù)采標服務商服務器硬件服務商云服務商教育領域能源領域物聯(lián)網(wǎng)信息傳感設備開放鏈接知識庫互聯(lián)網(wǎng)公司人工智能公司大數(shù)據(jù)智能公司最終用戶通用知識圖譜及針對具體場景提供解決方案的

33、行業(yè)知識圖譜，最終用戶包括括企業(yè)、政府、個人等 政務領域公安領域營銷領域工業(yè)領域金融領域醫(yī)療領域來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。192020.11 iResearch Inc.知識圖譜在各領域中的應用概覽數(shù)據(jù)繁雜、單一價值有限、問題抽象需要可視化展現(xiàn)、五層 關聯(lián)維度以上的應用場景更加適合搭建知識圖譜知識圖譜在各領域中的應用概覽行業(yè)知識庫關聯(lián)搜索！預警應用研判應用推薦應用數(shù)據(jù)中臺金融領域公安領域醫(yī)療領域教育領域能源領域工業(yè)領域司法領域零售電商領域政務領域客服領域營銷領域媒體輿情領域企服領域來源：艾瑞咨詢研究院根據(jù)公開資料自主研究繪制。202020.11 iResearch Inc.

34、新基建與知識圖譜概述211知識圖譜行業(yè)現(xiàn)狀2知識圖譜應用場景345知識圖譜應用展望人工智能新基建下城市創(chuàng)新場景應用場景篇目錄善政城市治理環(huán)境保護公安司法惠民醫(yī)療健康教育興業(yè)企業(yè)管理制造業(yè)智慧建筑智融智能風控與信用評估智能投資研究顧問智能產(chǎn)品營銷22善政：城市治理知識圖譜應用場景知識圖譜數(shù)據(jù)資產(chǎn)管控離線計算實時計算流計算圖計算分布式計算No SQL/New SQL關系數(shù)據(jù)庫流計算對象儲存分布式存儲數(shù)據(jù)質(zhì)量管控與溯源多租戶與數(shù)據(jù)安全元數(shù)據(jù)統(tǒng)一視圖風險 預警全息 檔案數(shù)據(jù) 檢索數(shù)據(jù) 漏斗研判 比對群體 畫像自助 報表公共安全生態(tài)環(huán)境智慧政務智慧應急智慧監(jiān)管醫(yī)療大腦實體、事件抽取關系、屬性抽取知識融合

35、知識庫建立知識圖譜賦能城市智能公共管理系統(tǒng)，打造城市“數(shù)字大腦”中國城市存在巨大的存量治理和精細化發(fā)展需求。隨著城市公共管理的數(shù)據(jù)來源由政務數(shù)據(jù)不斷拓展至交通、視頻、環(huán)境 等其他城市運行感知數(shù)據(jù)以及企業(yè)數(shù)據(jù)，城市大數(shù)據(jù)平臺也從政務共享交換平臺，發(fā)展成為多方共建共用共享的大數(shù)據(jù)平 臺?；谥R圖譜技術，將分散在政府各個部門、生產(chǎn)生活各個領域的相互孤立的數(shù)據(jù)資源聯(lián)通共享，實現(xiàn)多源數(shù)據(jù)集成 交換，從而對政務數(shù)據(jù)和社會數(shù)據(jù)進行深度挖掘。通過數(shù)據(jù)融合分析與管控，最大化發(fā)揮數(shù)據(jù)要素的效能，發(fā)現(xiàn)不同群體、 不同行業(yè)的服務需求，實現(xiàn)政務服務的精準化供給、政府科學決策和高效社會治理。城市智能公共管理系統(tǒng)解決方案

36、應用層來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。232020.11 iResearch Inc.善政：環(huán)保知識圖譜應用場景構(gòu)建生態(tài)環(huán)境知識庫，形成統(tǒng)一環(huán)境數(shù)據(jù)標準環(huán)境保護是產(chǎn)業(yè)鏈規(guī)模龐大、業(yè)務復雜程度極高的行業(yè)。隨著技術的快速發(fā)展，依托物聯(lián)網(wǎng)感知設備構(gòu)建的對大氣、水利、 土壤、危廢等環(huán)境監(jiān)測網(wǎng)絡已經(jīng)鋪開，但仍面臨監(jiān)測數(shù)據(jù)分散且維度多，存儲維護難，海量原始數(shù)據(jù)需要大量人工清洗加 工以供預警、決策等問題，導致輔助上層決策利用率和準確率較低。應用知識圖譜技術能統(tǒng)一并可視化結(jié)構(gòu)復雜的原始環(huán) 境數(shù)據(jù)，梳理挖掘環(huán)保對象、環(huán)保流程、環(huán)保措施等數(shù)據(jù)之間的關系并轉(zhuǎn)化為知識庫，形成安全可靠的數(shù)據(jù)標準。

37、知識圖譜在環(huán)境保護中的應用場景及優(yōu)勢實現(xiàn)地理空間、污染源、水利、氣象、土壤環(huán)境質(zhì)量、網(wǎng)絡輿情等多源異構(gòu)數(shù)據(jù)的采 集，統(tǒng)一環(huán)境數(shù)據(jù)標準，構(gòu)建生態(tài)環(huán)境數(shù)據(jù)平臺和知識庫，打通各級環(huán)保部門、跨部 門業(yè)務系統(tǒng)和社會各方，實現(xiàn)生態(tài)類數(shù)據(jù)資源全面多層次的共享開放對環(huán)境數(shù)據(jù)進行實時、立體化監(jiān)控，通過對大量歷史數(shù)據(jù)的統(tǒng)計分析和模型建 立，進行對環(huán)境質(zhì)量趨勢的長期跟蹤和分析研判，對質(zhì)量異常波動和各類環(huán)境 污染事故做出預警，提升管理能力，輔助精準決策對自然資源進行資產(chǎn)化管理，為自然資源資產(chǎn)做定性、定量的審計與評估，并 為其規(guī)劃和管理提供業(yè)務數(shù)據(jù)支持對污染源信息進行全面逐級采集和深度挖掘，對企業(yè)固廢信息申報、排污申報

38、 管理、固廢轉(zhuǎn)移聯(lián)單、污染減排、監(jiān)管統(tǒng)計等工作進行全生命周期的跟蹤管理， 實現(xiàn)污染物快速溯源，高效監(jiān)管和執(zhí)法對于產(chǎn)廢企業(yè)及其上下游企業(yè)，對影響污染物排放的生產(chǎn)設施和污染物治理設施運行 的關鍵參數(shù)進行收集記錄，建立環(huán)境信用評價體系對企業(yè)環(huán)保信用進行標準化評級， 累積相關數(shù)據(jù)形成企業(yè)環(huán)境信用檔案，為環(huán)境治理提供依據(jù)來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。242020.11 iResearch Inc.善政：公安知識圖譜應用場景重點解決數(shù)據(jù)關聯(lián)性和數(shù)據(jù)價值挖掘問題，賦能線索情報分 析與案件預警公安大數(shù)據(jù)是全面助推公安工作質(zhì)量、效率、動力變革的重要力量。隨著跨部門、警種、業(yè)務的協(xié)同和整合

39、大趨勢的到來， 知識圖譜作為大數(shù)據(jù)和人工智能雙重技術的應用表現(xiàn)，能通過數(shù)據(jù)分析、文本語義分析等手段，抽取出人、物、地、機構(gòu)、 虛擬身份等實體，并根據(jù)其中的屬性、時空、語義、特征、位置聯(lián)系等建立相互關聯(lián)，構(gòu)建一張多維多層的，實體與實體、 實體與事件的關系網(wǎng)絡。根據(jù)數(shù)據(jù)的接入實時進行自動更新，能提供更有深度的信息，真正激發(fā)大數(shù)據(jù)的價值。在解決公 安大數(shù)據(jù)發(fā)展中面臨的數(shù)據(jù)缺乏關聯(lián)性、缺乏全警種智能應用等問題時發(fā)揮重要作用。建設公安知識圖譜仍遵循知識圖譜搭建邏輯，但其中知識抽取、本體層建設和實戰(zhàn)應用開發(fā)等環(huán)節(jié)需要運用分布式儲存、 關聯(lián)算法、語義推理等技術，將公安部門多年業(yè)務中積累的技戰(zhàn)法進行總結(jié)和可視

40、化處理，與技術算法相互轉(zhuǎn)換，以集成 犯罪和預測模型，實現(xiàn)重點人員場所關聯(lián)分析、物品關聯(lián)分析、團伙關系分析、異常事件挖掘、相似案件推理等功能，提 升公安信息化的智能化水平，促進公安情報研判的演進，高效服務公安的打防管控工作，甚至做到精準的犯罪預測預警。公安知識圖譜構(gòu)建流程知識抽取實體抽取關系抽取屬性抽取知識融合數(shù)據(jù)清洗數(shù)據(jù)關聯(lián)數(shù)據(jù)對比數(shù)據(jù)庫重構(gòu)建立標準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)應用關系挖掘路徑推演全文檢索時空分析來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。252020.11 iResea

41、rch Inc.善政：司法知識圖譜應用場景司法領域數(shù)據(jù)治理以知識性為中心，適于知識圖譜應用落地面對大量且復雜的司法大數(shù)據(jù)，應用人工智能需要提煉共性規(guī)則，即依據(jù)不同的司法場景，提取具有統(tǒng)一性和相似性的領 域規(guī)則并對抽取的數(shù)據(jù)進行數(shù)據(jù)標注，供機器學習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用的基礎和先決性問題。司法知識圖譜 將法律領域中的實體、屬性和關系進行體系化梳理，并建立邏輯關聯(lián)，通過知識圖譜和大數(shù)據(jù)技術進行數(shù)據(jù)挖掘，輔助決 策，洞察知識領域動態(tài)發(fā)展規(guī)律。基于司法知識圖譜可實現(xiàn)司法業(yè)務場景的智能應用

42、，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、類似案件推送、裁判結(jié)果預測、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依據(jù)，全新定義司法數(shù)據(jù)應用和司法智能化，凝練 司法智慧，服務法治建設。司法案件案情知識圖譜構(gòu)建流程法律法規(guī)文書庫憲法、刑法、民法總則 公司法、合同法行為規(guī)范法條識別 證據(jù)時效法條識別證據(jù)有效性法條識別類結(jié)構(gòu)化信息文本運用基于規(guī)則的方法， 提煉出案情基本信息判決書 電子卷宗來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。262020.11 iResearch Inc.非結(jié)構(gòu)化案情文本運用基

43、于深度學習的方法， 提煉出案情關系三元組關鍵詞篩選證據(jù)實體識別、證據(jù)屬性抽取句法分析證據(jù)特征設計、證據(jù)特征量化 模式匹配 （支持度、置信度計算）樣本分析專家知識校驗證據(jù)鏈條事實判定鏈條模型事理圖譜構(gòu)建證據(jù)推理規(guī)則生成27應用場景篇目錄善政城市治理環(huán)境保護公安司法惠民醫(yī)療健康教育興業(yè)企業(yè)管理制造業(yè)智慧建筑智融智能風控與信用評估智能投資研究顧問智能產(chǎn)品營銷惠民：醫(yī)療健康知識圖譜應用場景來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制?；颊撸褐悄芫歪t(yī)導診患者就醫(yī)時常會面臨“知癥不知病，知病 不知科”的問題，而現(xiàn)有的導診方式一般 為人工導診或基于關鍵詞的導診系統(tǒng)，其 效率和效果有待提升。基于知識圖

44、譜的智能就醫(yī)導診系統(tǒng)，借助 知識圖譜的推理能力，為患者精準匹配癥 狀和疾病對應的科室和醫(yī)生，不僅為患者 就醫(yī)提供方便，提升患者就醫(yī)體驗，同時 也能促進醫(yī)療資源合理配置。醫(yī)生：輔助臨床診斷高水平的醫(yī)生往往需要多年的經(jīng)驗積累， 而基層醫(yī)院的醫(yī)生以及資歷較淺的醫(yī)生經(jīng) 驗比較欠缺，需要的培養(yǎng)時間也較長。 構(gòu)建知識圖譜平臺，積累醫(yī)藥行業(yè)醫(yī)學信 息及行業(yè)服務經(jīng)驗，能完整分析患者當次 診斷、主訴、相關檢驗檢查結(jié)果及電子病 歷、影像等歷史數(shù)據(jù)，直觀反映和動態(tài)推 理患者病情，查詢類似病例，輔助優(yōu)化診 療方案，審核醫(yī)囑合理性，有利于節(jié)約成 本、規(guī)范診療。藥企：市場拓展隨著新產(chǎn)品加速上市和拓展基層市場，藥 企面臨醫(yī)

45、務工作者和患者間大量關于疾病 和用藥的咨詢，依靠醫(yī)藥代表和醫(yī)學部的 人力資源很難及時提供高質(zhì)量的咨詢服務。 通過構(gòu)建疾病和產(chǎn)品知識圖譜、搭建知識 體系平臺或問答平臺，能對高頻問題進行 智能回復，釋放人力來處理更復雜的問題 咨詢。同時，通過圖譜的積累能不斷完善 用戶畫像，進行客戶的關聯(lián)和轉(zhuǎn)化。在就醫(yī)導診、輔助診斷、藥企市場拓展等領域提供知識服務醫(yī)療健康是典型的數(shù)據(jù)海量且多源異構(gòu)的行業(yè)，且限于數(shù)據(jù)專業(yè)性強、結(jié)構(gòu)復雜，數(shù)據(jù)融合在醫(yī)療健康行業(yè)應用場景中更 加困難。利用知識圖譜的能力，可以聚合核心醫(yī)學概念和全方位的醫(yī)療生態(tài)圈知識，從海量的臨床案例中對經(jīng)驗和知識進 行提煉整理、錄入標注、體系構(gòu)建，在解決優(yōu)

46、質(zhì)醫(yī)療資源供給不足和醫(yī)療服務需求持續(xù)增加的矛盾中產(chǎn)生重要的作用。知識圖譜在醫(yī)療行業(yè)的應用場景282020.11 iResearch Inc.惠民：教育知識圖譜應用場景來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。教育知識圖譜與機器學習算法結(jié)合實現(xiàn)智適應教育當前人工智能技術更多應用在如拍照搜題、口語評測、課堂監(jiān)控等外圍需求的工具上，并未能有效深入到教學場景中，而 真正產(chǎn)生生產(chǎn)價值建立在充分且必要的數(shù)據(jù)基礎上，搭建貫穿教材知識體系、教學資源管理和受教育者學習軌跡的知識圖 譜，將教與學的全過程進行可視化展現(xiàn)，使靜態(tài)知識點數(shù)據(jù)與動態(tài)教學活動的數(shù)據(jù)產(chǎn)生關聯(lián)，為算法利用提供支撐環(huán)境。 知識圖譜在教

47、育領域主要有以下幾種應用場景：一是將學科教材知識進行本體建模，形成可關聯(lián)性查詢的知識網(wǎng)絡；二是 以圖結(jié)構(gòu)將教學資源以及關系進行語義化組織，以便合理調(diào)用；三是在知識圖譜的基礎上，應用大數(shù)據(jù)、AI等技術形成面 向?qū)W習目標的個性化學習路徑，實現(xiàn)千人千面的教學方案；四是面對受教育者搭建個人知識圖譜，通過對其知識點學習進 度和考試反饋數(shù)據(jù)的實時關聯(lián)，形成知識掌握狀態(tài)的可視化個人畫像，以至于習題推送和老師一對一教學有的放矢；五是 將教育領域碎片化多源異構(gòu)數(shù)據(jù)進行處理，形成標準化的關聯(lián)數(shù)據(jù)集，為機器學習算法訓練提供充要條件。通過以上五點 應用，勾勒出基于知識圖譜的數(shù)字中臺形式，最大限度地對教育領域數(shù)據(jù)進行資

48、源整合，為上層智能化應用提供支撐，改 變了“傳統(tǒng)教育披上人工智能外衣”的狀況，用技術起底教育邏輯，形成數(shù)據(jù)指導下自適應學習的價值閉環(huán)。智適應教育技術框架學習管理 系統(tǒng)核心學習 引擎 本體基于對話的人類用戶界面監(jiān)控預警服務 系統(tǒng)呈現(xiàn)服務 系統(tǒng)管理服務測試服務學習導航服務多模態(tài)綜合行為分析 事件收集器實時事件收集器學習記錄庫高級診斷和VPA引擎目標管理引擎實時分類 與預測推薦引擎用戶狀態(tài)評估引擎學生畫像動態(tài)學習目標內(nèi)容圖譜錯因分析本體學習圖譜292020.11 iResearch Inc.30應用場景篇目錄善政城市治理環(huán)境保護公安司法惠民醫(yī)療健康教育興業(yè)企業(yè)管理制造業(yè)智慧建筑智融智能風控與信用評估

49、智能投資研究顧問智能產(chǎn)品營銷興業(yè)：通用企業(yè)管理知識圖譜應用場景來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。企業(yè)內(nèi)部知識管理平臺高效實現(xiàn)知識資源創(chuàng)造、沉淀和使用知識是企業(yè)發(fā)展和創(chuàng)新的重要源泉。隨著Web2.0時代的到來，企業(yè)內(nèi)部信息化的成本不斷降低，信息化基礎設施不斷完 善，信息系統(tǒng)在大中小企業(yè)得到廣泛覆蓋，信息化的變革不僅極大的提升了企業(yè)的運作效率，也為企業(yè)積累了豐富的數(shù)據(jù) 資源，為企業(yè)步入知識管理階段奠定基礎。但數(shù)據(jù)孤島和數(shù)據(jù)間缺乏關聯(lián)的難題依然是制約企業(yè)有效實施知識發(fā)現(xiàn)和知識 管理的重要因素。日常工作場景中，企業(yè)內(nèi)部往往會有大量的培訓和項目總結(jié)會議，其中產(chǎn)生大量經(jīng)驗和知識需要準確

50、地 推送給潛在使用者，各級員工有大量個人知識儲量和項目及管理經(jīng)驗應當被共享，此外，企業(yè)用戶產(chǎn)生與業(yè)務相關的知識需求后，往往希望能快速、準確地獲得相關領域和業(yè)務的相關知識和解決方案、案例經(jīng)驗，都對企業(yè)內(nèi)部知識的高效流動、 傳播和利用提出要求。企業(yè)內(nèi)部的知識來源廣泛，知識增長體量大，識別、審核和管理知識的難度高，而知識圖譜在信息 表達上更接近人類的認知方式，具有理解和處理海量信息的能力，并能通過語義理解和訓練對知識進行推理和判斷。因此 構(gòu)建基于知識圖譜的企業(yè)內(nèi)部知識管理平臺和商業(yè)洞察系統(tǒng)，能幫助企業(yè)從多源異構(gòu)的海量數(shù)據(jù)中發(fā)現(xiàn)業(yè)務規(guī)律，建立從 研發(fā)、生產(chǎn)、營銷、銷售到服務的完整智能商業(yè)閉環(huán)，實現(xiàn)精準

51、洞察、實時決策和高效運轉(zhuǎn)。企業(yè)內(nèi)部知識管理平臺運作流程知識創(chuàng)造員工、專家、項目、 文檔、社區(qū)技術經(jīng)驗、產(chǎn)品經(jīng)驗、項目經(jīng)驗識別、審核、維護知識管理平臺：知識分類管理知識文檔管理- 知識分享社區(qū)- 外部資料庫、專家?guī)臁?術語庫、標準化庫、 項目成果庫、人才庫知識應用圖譜分析、知識地圖知識檢索、智能推薦過程監(jiān)督、偏差分析預測、規(guī)劃、輔助決策知識存儲312020.11 iResearch Inc.興業(yè)：通用制造業(yè)知識圖譜應用場景對基礎數(shù)據(jù)進行建模，在制造全流程實現(xiàn)多方面協(xié)調(diào)管控制造業(yè)體系龐大、場景豐富、產(chǎn)品類型多、定制化程度高，具有數(shù)據(jù)龐大且知識結(jié)構(gòu)復雜的特性，存在著如工序流程和工 藝制造知識等事理知

52、識，同時也存在大量的定量知識。事件之間存在著大量的事理邏輯關系，而不同角色本體構(gòu)造提出的 需求也不盡相同。引入知識圖譜技術，將工廠車間、人工資源、物料組件、設備制具、工藝流程、故障等制造業(yè)的基礎數(shù) 據(jù)進行知識分類和建模，通過對知識的抽取，對定量知識與事理知識的融合以及對實體之間復雜關系的挖掘，構(gòu)建制造業(yè) 知識服務平臺，建立產(chǎn)品規(guī)劃、設計、生產(chǎn)、試制、量產(chǎn)、使用、服務、營銷和企業(yè)管理等全生命周期的互聯(lián)，還能融合 環(huán)境、焚燒、水務、模具、能源管理等多個相關行業(yè)的知識內(nèi)容，通過快速搜索和推理關系中的趨勢、異常和共性更好地 組織、管理和理解制造業(yè)體系的內(nèi)部聯(lián)系，將知識轉(zhuǎn)化為決策依據(jù)，破除產(chǎn)品封閉式的重

53、復研發(fā)實現(xiàn)創(chuàng)新，進行全流程多 方面的協(xié)調(diào)管控，提高制造流程中問題的預見和解決能力，提升資源管理能力、生產(chǎn)效率和產(chǎn)品質(zhì)量。知識圖譜在制造業(yè)各流程的應用場景鋼鐵制造業(yè)汽車制造業(yè)能源行業(yè)軍工行業(yè)紡織業(yè)研究開發(fā)生產(chǎn)制造運行保障匯集各種相關產(chǎn)品的發(fā)展趨勢，為 新產(chǎn)品市場定位提供決策支持；識別新產(chǎn)品在不同的場景下的使用 方法和使用要求，推送其他產(chǎn)品的 應用案例；提供已有的相似產(chǎn)品、相關產(chǎn)品、 相關技術、領域?qū)＜液托畔⒒ぞ?軟件等信息。將車間布局、生產(chǎn)設備、生產(chǎn)工藝、 生產(chǎn)物料、物流倉儲、質(zhì)量檢測、 生產(chǎn)計劃、能耗管理和安全防護等 各種知識結(jié)構(gòu)化、動態(tài)化管理；為生產(chǎn)現(xiàn)場人員提供快速精準的工藝工序、設備操作

54、、質(zhì)量分析和突 發(fā)情況應對等知識，實現(xiàn)及時專業(yè) 的現(xiàn)場指導。將產(chǎn)品的制造原理、結(jié)構(gòu)、使用手 冊、拆裝方法、維護手段、故障診 斷和相關資深技術專家及經(jīng)驗等進 行結(jié)構(gòu)化管理；提供信息搜索、知識推送、知識查閱等多樣化方式；提高工人熟練程度，提高故障定位 效率，減少產(chǎn)品維修維護成本。應用環(huán)節(jié)行業(yè)來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。322020.11 iResearch Inc.興業(yè)：智慧建筑知識圖譜應用場景智能審圖人工審圖不可避免的存在人為操 控、尺度不一、低效漏項等問題。 基于云結(jié)構(gòu)、多專業(yè)規(guī)則集、幾 何圖形庫和知識抽取、知識推理 等技術，構(gòu)建評審規(guī)則、規(guī)范知 識圖譜，提取出建筑圖

55、紙中的 BIM通用交互格式工業(yè)基礎類數(shù) 據(jù)與規(guī)則規(guī)范進行實體對齊、快 速匹配，實現(xiàn)一鍵校核，輸出審 查結(jié)果。智慧運維通過實體、關系、屬性抽取，創(chuàng) 建樓宇內(nèi)機電設備全信息數(shù)據(jù)知 識庫，用于信息的綜合存儲與管 理，實現(xiàn)三維虛擬空間與物理建 筑空間的規(guī)律映射，全面感知建 筑內(nèi)人、事、物的數(shù)據(jù)信息，實 現(xiàn)設備查詢、空間定位及預警提 示、故障解決方案分析等，為建 筑安全、服務、效能、運營的優(yōu) 化提供支撐與決策。構(gòu)建建筑針對建筑領域?qū)I(yè)問題，以多輪對話的形式， 根據(jù)確定的問題類型，通過檢索模塊，提供一系列選 項，進而進入問答遞歸，并最終給出答案或結(jié)果列表。010203集合構(gòu)建以BIM數(shù)據(jù)與規(guī)范為主的建筑工

56、程行業(yè)知識圖譜當前建筑行業(yè)仍是勞動力密集型行業(yè)，擁有動態(tài)且復雜的行業(yè)結(jié)構(gòu)。根據(jù)不同項目類型、項目階段和項目目標，將項目過 程中不斷重復的知識、使用知識本體的方式進行組織化的設計和管理，以實現(xiàn)從圖紙設計、審圖、施工、驗收到樓宇運維 全流程內(nèi)知識的重復使用和組織化管理，是建筑行業(yè)實現(xiàn)智能化的目標。當前建筑信息模型（BIM, Building Information Modelling）從工程實踐到管理理念上都在給建筑業(yè)與施工業(yè)帶來不同程度的變革。作為含有豐富語義信息的三維模型載 體，BIM的屬性與信息體系包含了建筑的空間幾何信息、屬性信息等，是實體建筑的數(shù)字化表達，具有真實性和全面性的 特點都可以

57、有效分類和聚集成為若干知識本體，結(jié)合知識圖譜的知識抽取、知識融合及知識加工等構(gòu)建技術，集合成以 BIM數(shù)據(jù)與規(guī)范為主的建筑工程行業(yè)知識圖譜，從而提升設計階段BIM審圖規(guī)范與效率、輔助施工階段質(zhì)量管理與決策、 改善運維階段數(shù)據(jù)流轉(zhuǎn)與分析能力。知識圖譜在智慧建筑中的應用場景建筑知識問答來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。332020.11 iResearch Inc.34應用場景篇目錄善政城市治理環(huán)境保護公安司法惠民醫(yī)療健康教育興業(yè)企業(yè)管理制造業(yè)智慧建筑智融智能風控與信用評估智能投資研究顧問智能產(chǎn)品營銷智融：智能風控與信用評估知識圖譜與機器學習相結(jié)合，重塑金融領域智能風控過程無論

58、是傳統(tǒng)金融或是互聯(lián)網(wǎng)金融領域，信用評估、反欺詐和風險控制都是最為關鍵的環(huán)節(jié)，隨著近些年金融數(shù)據(jù)的爆發(fā)式 增長，傳統(tǒng)風控系統(tǒng)逐漸力有不逮，而應用機器學習算法和知識圖譜的智能風控系統(tǒng)在風險識別能力和大規(guī)模運算方面具 有突出優(yōu)勢，逐漸成為金融領域風控反欺詐的主要手段。機器學習和知識圖譜相結(jié)合是目前主流的解決方案。機器學習算法通過概率計算的方式，以數(shù)學運算特征反應風險情況，形成易于機器計算的風控模型；而知識圖譜通過權威 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)實體間關系形成關聯(lián)數(shù)據(jù)網(wǎng)的圖譜形式，打通相關數(shù)據(jù)，動態(tài)、實時地 描畫囊括個人基礎信息、金融行為、社交網(wǎng)絡行為等用戶綜合畫像，并結(jié)合業(yè)務場景，

59、根據(jù)畫像的情況與模型對應，形成 具有金融業(yè)務特性的風控體系，在解決方案的決策環(huán)節(jié)結(jié)合規(guī)則和概率的綜合評價，給出最終的風險評估，整個過程能夠 實現(xiàn)秒級響應。知識圖譜的應用不僅能夠為缺乏可解釋性的機器學習算法帶來必要的參考系，還可以串聯(lián)金融業(yè)務中產(chǎn)生 的大量多源異構(gòu)數(shù)據(jù)形成知識庫或知識中臺，挖掘數(shù)據(jù)深層價值，為實現(xiàn)標簽體系構(gòu)建、投資關系梳理、產(chǎn)業(yè)鏈風險預警、 智能催收等上層應用打下基礎。知識圖譜識別金融風險的應用場景風險評估與控制反欺詐應用：構(gòu)建包含多數(shù)據(jù)源的知識圖譜，將 將已知欺詐要素（設備、賬號、地域等）整合， 將借款人相關的所有的數(shù)據(jù)源打通，整合借款人 的基本信息、消費記錄、行為記錄、關系信

60、息、 線上日志信息等，建立客戶風險特征信息庫，提 供不一致性檢驗。內(nèi)審內(nèi)控應用：對受監(jiān)管人員的郵件和賬戶往來 進行數(shù)據(jù)挖掘并構(gòu)建關聯(lián)關系網(wǎng)，能防范內(nèi)外勾 結(jié)或賬戶異常往來的違規(guī)行為。反洗錢應用01風險預測與分析潛在風險行業(yè)預測：基于多維度數(shù)據(jù)對行業(yè)進行 細分，根據(jù)行業(yè)信息建立關系挖掘模型，展示每 個行業(yè)之間的關聯(lián)度，如果某一行業(yè)發(fā)生了行業(yè) 風險或高風險事件，可以及時預測未來有潛在風 險的關聯(lián)行業(yè)。潛在風險客戶預測：整合和關聯(lián)企業(yè)內(nèi)部以及互 聯(lián)網(wǎng)采集、第三方合作數(shù)據(jù)，發(fā)現(xiàn)和建立企業(yè)間 集團、投資、上下游、擔保關系，企業(yè)與個人間 任職、實際控制、一致行動關系，及時預測未來 有潛在風險的關聯(lián)企業(yè)02