人工智能知識(shí)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(shí)圖譜行業(yè)應(yīng)用分析知識(shí)圖譜概念定義是一種描繪實(shí)體間關(guān)系的語(yǔ)義網(wǎng)絡(luò)，是認(rèn)知智能的必要基礎(chǔ)知識(shí)圖譜是一種描繪實(shí)體之間關(guān)系的語(yǔ)義網(wǎng)絡(luò)，是人工智能重要研究領(lǐng)域知識(shí)工程的主要表現(xiàn)形式之一。知識(shí)圖譜通 過(guò)RDF（三元組），既“實(shí)體 x 關(guān)系 x 另一實(shí)體”或“實(shí)體 x 屬性 x 屬性值”集合的形式，以人類對(duì)世界認(rèn)知的角度，闡 述世間萬(wàn)物之間的關(guān)系，通過(guò)NLP技術(shù)、圖計(jì)算、知識(shí)表示學(xué)習(xí)等手段，將非線性世界中的知識(shí)信息結(jié)構(gòu)化，以便機(jī)器計(jì) 算、存儲(chǔ)和查詢，起到賦予機(jī)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(shí)圖譜以RDF形式闡述萬(wàn)物關(guān)系實(shí)體另一RDF關(guān)系知識(shí)圖譜RDF

2、（三元組）形式知識(shí)圖譜結(jié)構(gòu)自然世界來(lái)源：艾瑞根據(jù)公開(kāi)資料自主研究繪制。2知識(shí)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(shí)體抽取關(guān)系抽取屬性抽取事件抽取數(shù)據(jù)整合知識(shí)庫(kù)實(shí)體對(duì)齊知識(shí)融合知識(shí)推理質(zhì)量評(píng)估本體構(gòu)建原圖應(yīng)用數(shù)據(jù)源知識(shí)抽取數(shù)據(jù)規(guī)范模型修訂知識(shí)加工本體對(duì)齊標(biāo)準(zhǔn)知識(shí)關(guān)系模型知識(shí)表示算法支撐知識(shí)自動(dòng)化圖譜應(yīng)用建設(shè)本體模型和實(shí)體數(shù)據(jù)庫(kù)是知識(shí)圖譜結(jié)構(gòu)的核心知識(shí)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(shí)集合，而概念層是它的“上層建 筑”，是經(jīng)過(guò)積累沉淀的知識(shí)集合。建設(shè)中以本體模型和實(shí)體數(shù)據(jù)庫(kù)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(shí)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(chǎng)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。總體而言，搭建知識(shí)圖譜從數(shù)據(jù)源開(kāi)始，經(jīng)歷了知識(shí)抽取、知識(shí)融合、知識(shí)加工等步驟。原始的數(shù)據(jù)通過(guò)知識(shí)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(guò)實(shí)體對(duì)齊，加入數(shù)據(jù)模型，形成標(biāo)準(zhǔn)的知識(shí)表示，過(guò)程中如產(chǎn)生新的關(guān)系組合，通過(guò)知識(shí)推理形成新的知識(shí)形態(tài)，與原有知識(shí)共同經(jīng)過(guò)質(zhì)量評(píng)估，完成知識(shí)融合，最終形成 完整形態(tài)上的知識(shí)圖譜。知識(shí)圖譜結(jié)構(gòu)拓?fù)鋱D應(yīng)用中知識(shí)不斷擴(kuò)充和修訂來(lái)源：艾瑞根據(jù)公開(kāi)資料自主研究繪

4、制。3多源異構(gòu)的數(shù)據(jù)來(lái)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(shí)圖譜的應(yīng)用邊際知識(shí)抽取是搭建知識(shí)圖譜過(guò)程中至關(guān)重要的一環(huán)，也是目前評(píng)判知識(shí)圖譜優(yōu)劣性的標(biāo)準(zhǔn)之一。知識(shí)抽取所處理的信息往往 是明確的事實(shí)性信息，信息源通常分為已有關(guān)聯(lián)數(shù)據(jù)庫(kù)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(guò)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(guò)自然語(yǔ)言處理的相關(guān)技術(shù)進(jìn)行知識(shí)抽取，所有數(shù)據(jù)最終都要通過(guò)處理轉(zhuǎn)化為標(biāo)準(zhǔn)數(shù)據(jù)供圖譜使用。 隨著生物識(shí)別和物體識(shí)別等AI技術(shù)的應(yīng)用，指紋庫(kù)、人臉

5、庫(kù)、車輛庫(kù)等數(shù)據(jù)庫(kù)逐步建立，對(duì)于非結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取將 不再局限于文本，所搭建的知識(shí)圖譜維度將會(huì)更豐富，應(yīng)用場(chǎng)景更加垂直下沉。對(duì)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(shí)圖譜關(guān)聯(lián)數(shù)據(jù)數(shù)據(jù)庫(kù)表格文本OCR手寫(xiě)體人臉圖映射/D2R轉(zhuǎn)換包裝器通過(guò)數(shù)據(jù)處理來(lái)源：艾瑞根據(jù)公開(kāi)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(shí)圖譜使用大規(guī)模應(yīng)用落地的保障知識(shí)抽取實(shí)體和關(guān)系抽取是核心，事件抽取是知識(shí)更新的重要手段對(duì)信息源的知識(shí)抽取主要按照自然語(yǔ)義中的主謂賓語(yǔ)法進(jìn)行抽取，分為實(shí)體抽取、關(guān)系抽取、屬性抽取和事件抽取等。實(shí) 體抽取指在信息源中識(shí)別出特定的元素標(biāo)簽，并與實(shí)體庫(kù)

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(shí)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(guò)語(yǔ)料庫(kù)對(duì)信息源中的所有關(guān)系對(duì)進(jìn)行抽取，而局 部抽取則是判斷一句話中實(shí)體的關(guān)系類型，目前可以通過(guò)特征標(biāo)注的有監(jiān)督學(xué)習(xí)和借助外部知識(shí)庫(kù)進(jìn)行標(biāo)注的遠(yuǎn)程監(jiān)督學(xué) 習(xí)實(shí)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(shí)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(lái)，包括事件的時(shí)間、地點(diǎn)、人物、原因、 結(jié)果等，通常使用將事件劃分多個(gè)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(shí)間維度

7、，可 以與時(shí)俱進(jìn)地迭代學(xué)習(xí)，是知識(shí)圖譜知識(shí)更新的重要手段。知識(shí)抽取核心內(nèi)容從信息源中識(shí)別并提取實(shí)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(jì)機(jī)器學(xué)習(xí)和面向開(kāi)放 域三種抽取方法1實(shí)體抽取對(duì)信息源中實(shí)體的特征和性質(zhì)進(jìn)行抽取由于可以將實(shí)體的屬性視為實(shí)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(wèn)題視為關(guān)系抽 取問(wèn)題3屬性抽取從信息源中抽取實(shí)體間的關(guān)系解決實(shí)體間語(yǔ)義鏈接的問(wèn)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(shí)別并抽取出事件信息，包括發(fā)生的時(shí)間、 地點(diǎn)、參與角色以及與之相關(guān)的動(dòng)作或者狀態(tài)的改變動(dòng)態(tài)化地豐富和更新實(shí)體關(guān)系，是現(xiàn)有知識(shí)資源的重4事件抽取要補(bǔ)

8、充來(lái)源：艾瑞根據(jù)公開(kāi)資料自主研究繪制。524中國(guó)知識(shí)圖譜細(xì)分市場(chǎng)分析目錄知識(shí)圖譜應(yīng)用搜索引擎領(lǐng)域知識(shí)索引可將有價(jià)值的信息以自然語(yǔ)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(wèn)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(lái)越多，人們真正需要的，隱藏在大量無(wú)用信息中有價(jià)值的部分，我們稱之為知識(shí)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(diǎn)要解決的問(wèn)題。2012年5月，谷歌率先提出知識(shí)圖譜概念，用以更好的描述 現(xiàn)實(shí)世界中實(shí)體關(guān)聯(lián)性問(wèn)題，進(jìn)而提高信息搜索中的知識(shí)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(shí)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(yè)索引，按照“網(wǎng)頁(yè) -（預(yù)處理）- 臨時(shí)庫(kù) -（索引）- 索引好的庫(kù) -（由用戶行為觸發(fā)檢索）- 為用戶展示網(wǎng)頁(yè)結(jié)果”的流程執(zhí)行，信息源來(lái)自網(wǎng)頁(yè)，展現(xiàn)內(nèi)容也是網(wǎng)頁(yè)鏈接。而基于知識(shí)圖譜的搜索作為和網(wǎng)頁(yè)索引同級(jí)、并行的另一套知識(shí)索引，更注重信息間的關(guān)聯(lián)性和自然語(yǔ)言理解，通 過(guò)圖存儲(chǔ)的形式從新組織互聯(lián)網(wǎng)中的信息，再以人類的語(yǔ)言習(xí)慣進(jìn)行查詢和展現(xiàn)，從而提高搜索體驗(yàn)，因?yàn)橹R(shí)的存儲(chǔ)形 式發(fā)生了變化，所以知識(shí)索引信息來(lái)源和展現(xiàn)載體都不再局限于網(wǎng)頁(yè)文字，語(yǔ)音交互和更加豐富的IoT場(chǎng)景將會(huì)是未來(lái)的發(fā)展方向。文字查詢網(wǎng)頁(yè)結(jié)果索引檢索排序普通網(wǎng)頁(yè)（包含文本、音頻、視頻、圖片）自

10、然語(yǔ)言查詢豐富展現(xiàn)形式NLP處理結(jié)果翻譯知識(shí)圖譜關(guān)聯(lián)查詢關(guān)系挖掘推理知識(shí)圖譜預(yù)處理豐富來(lái)源（包含文本、音頻、視頻、圖片）知識(shí)圖譜在搜索引擎中的應(yīng)用網(wǎng)頁(yè)索引知識(shí)索引來(lái)源：艾瑞根據(jù)專家訪談、公開(kāi)資料等研究繪制。7知識(shí)圖譜應(yīng)用搜索引擎領(lǐng)域應(yīng)用NLP的知識(shí)抽取將成為知識(shí)搜索的重要破局點(diǎn)目前，互聯(lián)網(wǎng)上只有極少數(shù)知識(shí)被人工整理成了機(jī)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(kù)，這些資源支撐 了當(dāng)下絕大部分通用知識(shí)圖譜的搭建，但這些信息也僅僅是滄海一粟，無(wú)論是覆蓋范圍、更新頻率、可靠程度都無(wú)法滿足 日益增長(zhǎng)的自動(dòng)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(shì)下基于百科的知識(shí)圖譜將會(huì)變成一種靜態(tài)數(shù)據(jù)留檔，其支撐的知識(shí)搜索也將會(huì)大量依賴于權(quán)威組織編輯，成 本和效率將會(huì)成為致命傷，因此應(yīng)用準(zhǔn)確且自動(dòng)化的NLP技術(shù)，在更廣泛的網(wǎng)頁(yè)文本信息中，替代人工進(jìn)行知識(shí)抽取，成 為了知識(shí)搜索領(lǐng)域重要的破局點(diǎn)。知識(shí)搜索引擎Magi提供了一種NLP+評(píng)價(jià)系統(tǒng)的半監(jiān)督學(xué)習(xí)方式，通過(guò)互聯(lián)網(wǎng)對(duì)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(gè)知識(shí)點(diǎn)在不同表達(dá)中被印證，則證明其可信度較高”而形成的評(píng)價(jià) 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(guò)搜索引擎M的公測(cè)體驗(yàn)，以及B端 知識(shí)抽取的定制服務(wù)，Magi逐漸形成了獨(dú)立NLP產(chǎn)品

12、的服務(wù)模式，為知識(shí)工程輕需求用戶，和知識(shí)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(shí)抽取引擎M知識(shí)搜索引擎用統(tǒng)計(jì)信號(hào)消除事實(shí)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(kāi)始在互聯(lián)網(wǎng)上學(xué)習(xí)知識(shí)終身-半監(jiān)督學(xué)習(xí)常識(shí)知識(shí)庫(kù)知識(shí)集成第三方服務(wù)RPA定制模型領(lǐng)域知識(shí)語(yǔ)義搜索結(jié)果網(wǎng)絡(luò)語(yǔ)料庫(kù)知識(shí)庫(kù)的數(shù)據(jù)集來(lái)源：艾瑞根據(jù)專家訪談、公開(kāi)資料等研究繪制。8知識(shí)圖譜應(yīng)用公共安全領(lǐng)域公安知識(shí)圖譜重點(diǎn)解決數(shù)據(jù)關(guān)聯(lián)性和數(shù)據(jù)價(jià)值挖掘問(wèn)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(dòng)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(shí)圖譜通過(guò)數(shù)據(jù)分析、文本語(yǔ)義分析等，抽取出人、物、地、組織機(jī)構(gòu)、服務(wù)標(biāo) 識(shí)等實(shí)體，并根據(jù)實(shí)體的屬性聯(lián)系、空間聯(lián)系、語(yǔ)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(shí)體與實(shí)體、實(shí)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(wèn)題時(shí)起到了重要作用。建設(shè) 公安知識(shí)圖譜仍然遵循知識(shí)圖譜搭建邏輯，其中知識(shí)抽取、本體層建設(shè)和實(shí)戰(zhàn)應(yīng)用開(kāi)發(fā)，需要將公安部門(mén)多年積累的實(shí)戰(zhàn) 經(jīng)驗(yàn)與技術(shù)算法相互轉(zhuǎn)換，重點(diǎn)考驗(yàn)公安知識(shí)圖譜解決辦法提供商對(duì)公安業(yè)務(wù)的理解能力和專業(yè)積累，是該行業(yè)競(jìng)爭(zhēng)中重要的壁壘。公安知識(shí)圖譜流程結(jié)構(gòu)知識(shí)抽取實(shí)體抽取關(guān)系抽取屬性抽取知

14、識(shí)融合數(shù)據(jù)清洗數(shù)據(jù)關(guān)聯(lián)數(shù)據(jù)對(duì)比數(shù)據(jù)庫(kù)重構(gòu)建立標(biāo)準(zhǔn)庫(kù)建立專題庫(kù)建立主題庫(kù)建立研判戰(zhàn)法集 本體層搭建社會(huì)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(shí)戰(zhàn)應(yīng)用關(guān)系挖掘路徑推演全文檢索時(shí)空分析公安知識(shí)圖譜（注：各庫(kù)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(lè) 等數(shù)據(jù)結(jié)合）技術(shù)（算法）業(yè)務(wù)（專業(yè)知識(shí)）通過(guò)專家團(tuán)隊(duì)與技術(shù)團(tuán)隊(duì)的通力配合，使公安技戰(zhàn)法與算法深度融合公安知識(shí)圖譜解決辦法提供商核心競(jìng)爭(zhēng)力來(lái)源：艾瑞根據(jù)專家訪談、公開(kāi)資料等研究繪制。9知識(shí)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(chǎng)規(guī)模預(yù)計(jì)超350億元，以人臉識(shí)別數(shù) 據(jù)和車輛識(shí)別數(shù)據(jù)為基礎(chǔ)的公安視圖庫(kù)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(chǎng)需求。隨著公安部自上而下的推動(dòng)，公安體系中各垂直系統(tǒng)的縱向業(yè)務(wù)開(kāi)始拉通、各單位橫向 數(shù)據(jù)也開(kāi)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(dòng)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(shí)圖譜的構(gòu)建和積累中，從平臺(tái)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(dòng)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(tái)、公安知識(shí)圖譜平臺(tái)和泛在感知應(yīng)用實(shí)戰(zhàn)平臺(tái) 等，提供公安知識(shí)圖譜建設(shè)、知識(shí)圖譜研判工具、知識(shí)圖譜挖掘模型、警種專用智能應(yīng)用、知識(shí)圖譜服務(wù)接口等服務(wù)，目 前已經(jīng)部署到30多個(gè)省、市級(jí)公安局，據(jù)估計(jì)，明略科技公安知識(shí)圖譜是30多個(gè)大類公安數(shù)據(jù)來(lái)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(yàn)，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(tuán)伙分析挖掘車險(xiǎn)詐騙人員及團(tuán)

17、伙分析挖掘高危盜強(qiáng)騙人員及團(tuán)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(tuán)伙分析挖掘【刑偵應(yīng)用】 掃黑除惡分析挖掘涉毒侵財(cái)團(tuán)伙挖掘高危地區(qū)團(tuán)伙挖掘知識(shí)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(tuán)伙挖掘拐賣婦女兒童隱重發(fā)現(xiàn)相似點(diǎn)模型 維穩(wěn)預(yù)警思維中心知識(shí)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(shí)圖譜解決方案來(lái)源：艾瑞根據(jù)專家訪談、公開(kāi)資料等研究繪制。10知識(shí)圖譜應(yīng)用金融領(lǐng)域知識(shí)圖譜與機(jī)器學(xué)習(xí)相結(jié)合的智能風(fēng)控方案是主流趨勢(shì)在金融領(lǐng)域中無(wú)論是傳統(tǒng)金融或是互聯(lián)網(wǎng)金融

18、，信用評(píng)估、反欺詐和風(fēng)險(xiǎn)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(zhǎng)，傳統(tǒng)風(fēng)控系統(tǒng)逐漸力有不逮，而應(yīng)用機(jī)器學(xué)習(xí)算法和知識(shí)圖譜的智能風(fēng)控系統(tǒng)在風(fēng)險(xiǎn)識(shí)別能力和大規(guī)模運(yùn) 算方面具有突出優(yōu)勢(shì)，逐漸成為金融領(lǐng)域風(fēng)控反欺詐的主要手段。機(jī)器學(xué)習(xí)和知識(shí)圖譜相結(jié)合是目前主流的解決方案，其 中機(jī)器學(xué)習(xí)算法通過(guò)概率計(jì)算的方式，以數(shù)學(xué)運(yùn)算特征反應(yīng)風(fēng)險(xiǎn)情況，形成易于機(jī)器計(jì)算的風(fēng)控模型；而知識(shí)圖譜通過(guò)權(quán) 威經(jīng)驗(yàn)和規(guī)則創(chuàng)建本體模型和抽取實(shí)體的范圍，根據(jù)實(shí)體間關(guān)系形成關(guān)聯(lián)數(shù)據(jù)網(wǎng)的圖譜形式，描畫(huà)囊括個(gè)人基礎(chǔ)信息、金 融行為、社交網(wǎng)絡(luò)行為等用戶綜合畫(huà)像，根據(jù)畫(huà)像情況和模型對(duì)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(píng)價(jià)，給出最終的風(fēng)險(xiǎn)評(píng)估，整個(gè)過(guò)程能夠?qū)崿F(xiàn)秒級(jí)響應(yīng)。知識(shí)圖譜的應(yīng)用不僅能夠?yàn)槿狈?可解釋性的機(jī)器學(xué)習(xí)算法帶來(lái)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(tái)，挖掘數(shù)據(jù)深 層價(jià)值，為實(shí)現(xiàn)精準(zhǔn)營(yíng)銷、投資關(guān)系梳理、產(chǎn)業(yè)鏈風(fēng)險(xiǎn)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(tái)問(wèn)答式人機(jī)交互行業(yè)知識(shí)指標(biāo)庫(kù)規(guī)則庫(kù) 模型庫(kù) 知識(shí)庫(kù)客戶視圖碰撞分析知識(shí)推理在線分析離線挖掘知識(shí)圖譜計(jì)算引擎推理引擎圖計(jì)算引擎知識(shí)圖譜數(shù)據(jù)庫(kù)圖數(shù)據(jù)庫(kù)列式數(shù)據(jù)庫(kù)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(xiǎn)監(jiān)測(cè)和預(yù)警機(jī)器學(xué)習(xí)平臺(tái)內(nèi)部審計(jì)

20、交易反欺詐智能營(yíng)銷金融知識(shí)圖譜平臺(tái)反洗錢(qián)技術(shù)應(yīng)用開(kāi)發(fā)開(kāi)發(fā)運(yùn)維評(píng)估服務(wù)建模特征工程實(shí)驗(yàn)訓(xùn)練評(píng)估數(shù)據(jù)處理采集標(biāo)注存儲(chǔ)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(lái)源：艾瑞根據(jù)專家訪談、公開(kāi)資料等研究繪制。11知識(shí)圖譜應(yīng)用金融領(lǐng)域大數(shù)據(jù)平臺(tái)結(jié)構(gòu)化數(shù)據(jù)知識(shí)構(gòu)建推理引擎知識(shí)圖譜數(shù)據(jù)庫(kù)非結(jié)構(gòu)化數(shù)據(jù)知識(shí)構(gòu)建金融知識(shí)圖譜應(yīng)用客戶風(fēng)險(xiǎn)視圖信貸風(fēng)險(xiǎn)預(yù)警非法金融群體發(fā)現(xiàn)智能審計(jì)模型反欺詐反洗錢(qián)銀行投資保險(xiǎn)互聯(lián)網(wǎng)金融企業(yè)風(fēng)險(xiǎn)視圖智能投研客戶風(fēng)險(xiǎn)偏好投資產(chǎn)品推薦客戶風(fēng)險(xiǎn)視圖反洗錢(qián)保險(xiǎn)產(chǎn)品推薦客戶風(fēng)險(xiǎn)視圖反欺詐智能內(nèi)審監(jiān)管智能調(diào)查統(tǒng)計(jì)非法金融群體識(shí)別 反洗錢(qián)通過(guò)對(duì)大量多源異構(gòu)金融數(shù)據(jù)的知識(shí)化整合形成中臺(tái)式支撐

21、知識(shí)圖譜在金融領(lǐng)域主要解決的問(wèn)題是對(duì)多源異構(gòu)數(shù)據(jù)的知識(shí)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(chǔ)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(píng)估、 營(yíng)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(yǔ)言理解技術(shù)，處理非標(biāo)數(shù) 據(jù)，和多維多層級(jí)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(shí)圖譜應(yīng)用，成為了金融領(lǐng)域較好的中臺(tái)支撐形式。以場(chǎng)景 最豐富、量級(jí)最大的銀行業(yè)務(wù)為例，針對(duì)傳統(tǒng)技術(shù)和手段難以實(shí)現(xiàn)的需求，明略科技為某全國(guó)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(gè)人、機(jī)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(diǎn)百億邊的知識(shí)圖譜數(shù)據(jù)庫(kù)，通 過(guò)知識(shí)圖譜平臺(tái)建設(shè)來(lái)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(chǎng)審計(jì)、系統(tǒng)性風(fēng) 險(xiǎn)管控、精準(zhǔn)營(yíng)銷等多項(xiàng)應(yīng)用的研發(fā)和實(shí)施。明略科技金融知識(shí)圖譜應(yīng)用場(chǎng)景來(lái)源：艾瑞根據(jù)專家訪談、公開(kāi)資料等研究繪制。12知識(shí)圖譜應(yīng)用投研領(lǐng)域知識(shí)圖譜通過(guò)自動(dòng)抓取和產(chǎn)業(yè)鏈關(guān)系推理解決投研領(lǐng)域痛點(diǎn)對(duì)一級(jí)市場(chǎng)或二級(jí)市場(chǎng)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(kāi)網(wǎng)絡(luò)中披露了 眾多如財(cái)務(wù)數(shù)據(jù)、定期公告、公司研報(bào)等有價(jià)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(guò)各種渠道去搜集和判別信息，憑借個(gè)人經(jīng)

23、驗(yàn)對(duì)零散的數(shù)據(jù)進(jìn)行組織建模，以報(bào)告的形式產(chǎn)出趨勢(shì)觀點(diǎn)和數(shù)據(jù)分析，大 部分的物料和時(shí)間成本都花費(fèi)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(jī)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(zhǎng)久存在的痛點(diǎn)。京東數(shù)科以公司信息、產(chǎn)業(yè) 鏈關(guān)聯(lián)為切入點(diǎn)，利用NLP技術(shù)自動(dòng)抓取關(guān)鍵信息，搭建投研領(lǐng)域知識(shí)圖譜，將各個(gè)行業(yè)的發(fā)展變化抽象導(dǎo)入數(shù)字層面， 為知識(shí)查詢和應(yīng)用開(kāi)發(fā)提供實(shí)現(xiàn)基礎(chǔ)。據(jù)統(tǒng)計(jì)，券商研報(bào)中80%的數(shù)據(jù)指標(biāo)在傳統(tǒng)軟件產(chǎn)品中無(wú)法查詢到，分析師在進(jìn)入 一個(gè)新領(lǐng)域時(shí)要耗費(fèi)一周左右的時(shí)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?jiǎng)趧?dòng)時(shí)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(shí)間序列搭建了對(duì)網(wǎng)絡(luò)報(bào)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(shí)時(shí)信息雙管齊下，推導(dǎo)事情的發(fā)展脈絡(luò)和趨勢(shì)走向，為投研機(jī)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(jī)會(huì)和持倉(cāng)股票風(fēng)險(xiǎn)等研判類應(yīng)用提供數(shù)據(jù)支撐。京東數(shù)科投研知識(shí)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(jī)會(huì)和持倉(cāng)標(biāo)風(fēng)險(xiǎn)無(wú)法獲取點(diǎn)狀分布的零散數(shù)據(jù)傳統(tǒng)投研類 產(chǎn)品優(yōu)勢(shì)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(shí)體系擁有各類產(chǎn)業(yè)鏈結(jié)構(gòu)和信息不足彌補(bǔ)不足京東數(shù)科投研知識(shí)圖 譜產(chǎn)品強(qiáng)化優(yōu)勢(shì)利用NLP自動(dòng)抓取研報(bào)內(nèi)全部數(shù)據(jù)

25、行業(yè)專家知識(shí)和知識(shí)圖譜技術(shù)相結(jié)合人機(jī)智慧結(jié)合，形成智慧產(chǎn)業(yè)鏈RPA流程替代人工，實(shí)現(xiàn)低成本高效率搭建事理圖譜，對(duì)新聞事件進(jìn)行影響力分析用機(jī)器替代人類分析師，產(chǎn)出風(fēng)險(xiǎn)預(yù)警和投資建議利用知識(shí)圖譜將碎片信息組織關(guān)聯(lián)，形成連鎖價(jià)值來(lái)源：艾瑞根據(jù)公開(kāi)資料自主研究繪制。13知識(shí)圖譜應(yīng)用司法領(lǐng)域知識(shí)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(guó)家司法機(jī)關(guān)及司法人員依照法定職權(quán)和法定程序，運(yùn)用法律處理案件的專業(yè)領(lǐng)域。近年，司法 領(lǐng)域積極運(yùn)用大數(shù)據(jù)、云計(jì)算、人工智能等先進(jìn)技術(shù)，深入業(yè)務(wù)場(chǎng)景解決痛點(diǎn)問(wèn)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(jí)。知識(shí)圖譜的

26、構(gòu)建是實(shí)現(xiàn)智慧司法不可或缺的基礎(chǔ)工程。 司法知識(shí)圖譜將法律領(lǐng)域中的實(shí)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(guò)知識(shí)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(shí)領(lǐng)域動(dòng)態(tài)發(fā)展規(guī)律?；谒痉ㄖR(shí)圖譜，通過(guò)技術(shù)手段可實(shí)現(xiàn)司法業(yè)務(wù)場(chǎng)景的智能應(yīng)用， 解決“案多人少”“同案不同判”等現(xiàn)實(shí)問(wèn)題。目前，司法知識(shí)圖譜已廣泛運(yùn)用于法律知識(shí)檢索和推送、文書(shū)自動(dòng)生成、 裁判結(jié)果預(yù)測(cè)預(yù)警、知識(shí)智能問(wèn)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(shí)圖譜相關(guān)應(yīng)用場(chǎng)景法律知識(shí)問(wèn)答-強(qiáng)化普法教育提供法律問(wèn)題的專業(yè)知識(shí)查詢和智 能問(wèn)答

27、服務(wù)，自動(dòng)匹配問(wèn)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(duì)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(shí) 書(shū)、專家觀點(diǎn)、圖書(shū)期 檢 刊等信息的 索 精準(zhǔn)檢索，以及主動(dòng)式智能推薦， 為辦案提供 智能參考根據(jù)電子文 書(shū)自動(dòng)分析 文書(shū)制作需 求，選擇模 板自動(dòng)生成 法律文書(shū)， 還能進(jìn)行文 書(shū)自動(dòng)糾錯(cuò)， 提高文書(shū)寫(xiě) 作質(zhì)量與效 率文 書(shū) 自 動(dòng) 生 成定 自動(dòng)識(shí)別并 罪 歸類法定、 量 酌定情節(jié)， 刑 自動(dòng)生成

28、具體量刑建議， 輔并對(duì)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(lái)源：艾瑞根據(jù)專家訪談、公開(kāi)資料等研究繪制。14面 向 人 民 群 眾知識(shí)圖譜應(yīng)用司法領(lǐng)域司法領(lǐng)域數(shù)據(jù)治理以知識(shí)性為中心，適于知識(shí)圖譜應(yīng)用落地面對(duì)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(chǎng)景，提取具有統(tǒng)一性和相似性 的領(lǐng)域規(guī)則并對(duì)抽取的數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)注，供機(jī)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(shuō)司法 人工智能以數(shù)據(jù)為中心，不如說(shuō)其以知識(shí)為中心，構(gòu)建司法知識(shí)圖譜是人工智能司法應(yīng)用的先決性問(wèn)題。目前司法知識(shí)圖 譜應(yīng)用最廣泛的是由人民法院

29、出版集團(tuán)、中國(guó)司法大數(shù)據(jù)研究院和國(guó)雙共同研發(fā)建設(shè)的法律知識(shí)和案例大數(shù)據(jù)平臺(tái)法 信，該平臺(tái)主要解決法律人查找需求和海量知識(shí)數(shù)據(jù)供給的匹配問(wèn)題，目前已覆蓋全國(guó)30個(gè)省，3200家法院，為90%的法 官提供全方位審判知識(shí)服務(wù)。此外國(guó)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(yǔ)音辦案、文書(shū)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(cè)等各項(xiàng)應(yīng)用需求為“點(diǎn)”，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(diǎn)線面體”四維模式立體化的解決方案。大數(shù)據(jù)平臺(tái)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(shí)圖譜事理圖譜多路實(shí)時(shí)音視頻智訟輔助辦案平臺(tái)審判決策輔助平臺(tái)類案智能推送系統(tǒng) 智能文書(shū)生成系統(tǒng)遠(yuǎn)程訴訟服務(wù)平臺(tái)定罪量刑輔助系統(tǒng)知識(shí)產(chǎn)權(quán)案例指導(dǎo)平臺(tái)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(shí)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(dòng)辦案解決方案&國(guó)雙“智慧司法”一體化解決方案來(lái)源：艾瑞根據(jù)專家訪談、公開(kāi)資料等研究繪制。15知識(shí)圖譜應(yīng)用油氣領(lǐng)域知識(shí)圖譜應(yīng)用為油氣勘探開(kāi)發(fā)和安全環(huán)保生產(chǎn)提供決策輔助目前，我國(guó)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(guó)際原油價(jià)格持續(xù)走低，開(kāi) 采成本又很難攤薄，我國(guó)油氣行業(yè)面臨著生產(chǎn)效率與成本帶來(lái)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(kāi)發(fā)生產(chǎn)和中游的油氣儲(chǔ)運(yùn)、煉制與加工，存在的痛點(diǎn)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(kāi)發(fā)價(jià)值的油井；中游如何利用大量自動(dòng)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(wèn)題。知識(shí)圖譜憑借對(duì)多源異構(gòu)數(shù)據(jù)關(guān)聯(lián)性挖掘和知識(shí)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(shí)與實(shí)時(shí)數(shù)據(jù)有機(jī)結(jié)合，為

32、油氣勘探、開(kāi)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(lái)提升效率和管理水平。油氣勘探開(kāi)發(fā)數(shù)據(jù)及知識(shí)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(tái)數(shù) 據(jù) 源平 臺(tái) 服 務(wù)智能知識(shí)問(wèn)答圖形數(shù)據(jù)Neo4j分布式信息隊(duì)列分布式NoSql數(shù)據(jù)庫(kù)分布式文件系統(tǒng)管理 分布式關(guān)系型數(shù)據(jù)庫(kù)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(cāng)庫(kù)實(shí)驗(yàn)數(shù)據(jù)文獻(xiàn)中心數(shù)據(jù)檔案文獻(xiàn)科研管理平臺(tái)數(shù)據(jù)存儲(chǔ)數(shù)據(jù)處理及分析計(jì)算資源管理及服務(wù)調(diào)度多維分析OCR識(shí)別機(jī)器學(xué)習(xí)NLP分析深度學(xué)習(xí)數(shù)據(jù)挖掘內(nèi)存計(jì)算 離線計(jì)算 流式計(jì)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(gè)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(mén)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(dòng)應(yīng)用敏捷分析報(bào)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(kāi)發(fā)管理版本管控知識(shí)體系管理知識(shí)標(biāo)注知識(shí)抽取知識(shí)圖譜知識(shí)融合知識(shí)推送知識(shí)同步更新知識(shí)產(chǎn)權(quán)管理多層數(shù)據(jù)存儲(chǔ)管理知識(shí)多維度分析知識(shí)成果可視化展示智能推薦和訂閱數(shù)據(jù)處理及分析計(jì)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(chǔ)網(wǎng)絡(luò)服務(wù)器虛擬化容器化來(lái)源：艾瑞根據(jù)專家訪談、公開(kāi)資料等研究繪制。16知識(shí)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(shí)共享服務(wù)中間件知 識(shí) 服 務(wù) 中 臺(tái)

34、DaaS以業(yè)務(wù)/自然對(duì)象+索引標(biāo)簽為框架的知識(shí)應(yīng)用知識(shí)檢索知識(shí)問(wèn)答知識(shí)類比智能分析知識(shí)聚合可視化展示知識(shí) 應(yīng)用知識(shí) 管理勘探開(kāi)發(fā)知識(shí)管理（知識(shí)分類體系、知識(shí)成果加載、知識(shí)智能標(biāo)注、知識(shí)自動(dòng)抽取、知識(shí)圖譜構(gòu)建、數(shù)據(jù)知識(shí)融合于同步、自然語(yǔ)言處理、文本識(shí)別）盆地/區(qū)帶/圈閉/油氣藏勘探部署開(kāi)發(fā)方案提高采收率開(kāi)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(kāi)發(fā)大數(shù)據(jù)管理平臺(tái)（平臺(tái)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(shí)別、自然語(yǔ)言處理工具）勘探庫(kù)開(kāi)發(fā)庫(kù)生產(chǎn)庫(kù)實(shí)驗(yàn)數(shù)據(jù)礦權(quán)儲(chǔ)量石油地質(zhì) 研究報(bào)告資源評(píng)價(jià) 研究報(bào)告開(kāi)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(jì)算與存儲(chǔ)平臺(tái)IaaS科學(xué)研究云虛擬化/容器化流計(jì)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(cè)全球油氣資源優(yōu)選 勘探部署規(guī)劃開(kāi)發(fā)應(yīng)用 開(kāi)發(fā)戰(zhàn)略規(guī)劃重點(diǎn)氣區(qū)開(kāi)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(jì)油氣井診斷與優(yōu)化設(shè)計(jì) 重點(diǎn)工程配套技術(shù)研發(fā)知識(shí)專業(yè)性強(qiáng)來(lái)源眾多且復(fù)雜，是知識(shí)圖譜絕佳的應(yīng)用場(chǎng)景油氣領(lǐng)域各專業(yè)是生產(chǎn)數(shù)據(jù)的來(lái)源，也是知識(shí)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(jià)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(shí)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(chǔ)層預(yù)測(cè)等工作；在測(cè)井專業(yè)中，測(cè)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(guò)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(kāi)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(shí)時(shí)隨鉆錄井?dāng)?shù)據(jù)成為生產(chǎn)監(jiān)測(cè)重要的數(shù)據(jù)維度；在油氣生產(chǎn)領(lǐng)域，根據(jù)各類實(shí)時(shí)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(shí)時(shí)動(dòng)液面數(shù)據(jù)、實(shí)時(shí)產(chǎn)量數(shù)據(jù)和實(shí)時(shí)功圖數(shù)據(jù)的關(guān)系模型；在油氣藏模擬領(lǐng) 域，對(duì)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(kāi)發(fā)和油氣生產(chǎn)動(dòng)態(tài)分析的常用手段。以上均為知識(shí)圖譜在油氣領(lǐng)域 中

37、重點(diǎn)應(yīng)用和研究方向，也是油氣智能化發(fā)展的核心。國(guó)雙勘探開(kāi)發(fā)數(shù)據(jù)及知識(shí)成果管理和應(yīng)用來(lái)源：艾瑞根據(jù)專家訪談、公開(kāi)資料等研究繪制。35知識(shí)圖譜應(yīng)用教育領(lǐng)域搭建知識(shí)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(chǎng)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(dòng)，本質(zhì)上是通過(guò)系統(tǒng)化的知識(shí)傳授與強(qiáng)化練習(xí)，使受教育者掌握知識(shí)點(diǎn)的過(guò)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(jí)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(gè)性化等問(wèn)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(jī)構(gòu)希望通過(guò)利用AI技術(shù)部分解決上述痛點(diǎn)，以達(dá)到對(duì)教育參與者減負(fù)增效的目的，但因?yàn)榻逃I(lǐng)域參與個(gè)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(yǔ)評(píng)測(cè)、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(chǎng)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(shí)的點(diǎn)狀強(qiáng)化練習(xí)，卻不深究知識(shí)的掌握程度，以至實(shí) 際使用者反饋平平。人工智能技術(shù)真正產(chǎn)生生產(chǎn)價(jià)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(shí)體系、 教學(xué)資源管理和受教育者學(xué)習(xí)軌跡的知識(shí)圖譜，將教與學(xué)的全過(guò)程進(jìn)行可視化展現(xiàn)，使靜態(tài)知識(shí)點(diǎn)數(shù)據(jù)與動(dòng)態(tài)教學(xué)活動(dòng)（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(chǎng)景創(chuàng)新教學(xué)評(píng)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(dòng)化評(píng)閱個(gè)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(jī)教育機(jī)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(yǔ)考評(píng)試卷分析機(jī)器組卷機(jī)器閱卷教育領(lǐng)域知識(shí)圖譜來(lái)源：艾瑞根據(jù)公開(kāi)資料自主研究繪制。18知識(shí)圖譜應(yīng)用教育領(lǐng)域教育知識(shí)圖譜為機(jī)器學(xué)習(xí)算法提供充分且必要的數(shù)據(jù)支撐知識(shí)圖譜在教育領(lǐng)域主要有以下幾種應(yīng)用場(chǎng)景：一是將學(xué)科教材知識(shí)進(jìn)行本體建模，形成可關(guān)聯(lián)性查詢的知識(shí)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(yǔ)

40、義化組織，以便合理調(diào)用；三是在知識(shí)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(gè)性化學(xué)習(xí)路徑，實(shí)現(xiàn)千人千面的教學(xué)方案；四是面對(duì)受教育者搭建個(gè)人知識(shí)圖譜，通過(guò)對(duì)其知識(shí)點(diǎn)學(xué)習(xí)進(jìn) 度和考試反饋數(shù)據(jù)的實(shí)時(shí)關(guān)聯(lián)，形成知識(shí)掌握狀態(tài)的可視化個(gè)人畫(huà)像，以至于習(xí)題推送和老師一對(duì)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(jī)器學(xué)習(xí)算法訓(xùn)練提供充要條件。通過(guò)以上五點(diǎn) 應(yīng)用，勾勒出基于知識(shí)圖譜的數(shù)字中臺(tái)形式，最大限度的對(duì)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(jià)值

41、閉環(huán)。在自適應(yīng)教 學(xué)中，松鼠AI專注于學(xué)生畫(huà)像與個(gè)性化學(xué)習(xí)路徑的探索和應(yīng)用，運(yùn)用貝葉斯網(wǎng)絡(luò)、深度學(xué)習(xí)等AI算法，通過(guò)對(duì)學(xué)生學(xué)習(xí)過(guò) 程中多維數(shù)據(jù)的全方位評(píng)估，給予有針對(duì)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(guó)內(nèi)具有代表性的智能教育機(jī)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(shí)時(shí)事件收集器基于對(duì)話的人類 用戶界面測(cè)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(cuò)因分析本體學(xué)習(xí)圖譜動(dòng)態(tài)學(xué)習(xí)目標(biāo)內(nèi)容圖譜高級(jí)診斷和VPA引擎目標(biāo)管理 引擎學(xué)習(xí)記錄庫(kù)用戶狀態(tài) 評(píng)估引擎實(shí)時(shí)分類 與預(yù)測(cè)推薦引擎學(xué)生畫(huà)像松鼠AI自適應(yīng)教育技

42、術(shù)框架來(lái)源：艾瑞根據(jù)公開(kāi)資料自主研究繪制。1938中國(guó)數(shù)據(jù)智能代表企業(yè)案例展示目錄中國(guó)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(shí)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(guò)多模態(tài)人工智能和大數(shù)據(jù)技術(shù)，連接人、機(jī)器、組織的智慧，最終實(shí)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(yùn)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(gè)組織， 提供完整的人工智能閉環(huán)解決方案?；跀?shù)據(jù)中臺(tái)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(shí)圖譜，并逐步在諸多行業(yè)應(yīng)用場(chǎng)景中實(shí)現(xiàn)了感知、認(rèn)知和行動(dòng)的連接。明略科技多領(lǐng)域智能化解決方案框架基 于 市 場(chǎng) 監(jiān) 測(cè) 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(tái)解 決方案智慧零售全渠道業(yè)務(wù) 中臺(tái)解決方案智慧零售全渠道數(shù)據(jù) 中臺(tái)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?jìng)}配一體化平臺(tái)解決方案Forecasting Fix需求預(yù)測(cè)解決方案智慧靈聽(tīng)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(tái)（數(shù)據(jù)中臺(tái)）城市軌道交通智能維保金融行業(yè)數(shù)據(jù)中臺(tái)解決方案泛在多維感知智能

44、平臺(tái)城市軌道交通數(shù)據(jù)平臺(tái)金融行業(yè)智能反洗錢(qián)/反欺詐解決方案警務(wù)大腦平臺(tái)（警種專項(xiàng)智能應(yīng)用）電力數(shù)據(jù)中臺(tái)金融行業(yè)風(fēng)險(xiǎn)洞察平臺(tái)解決方案警務(wù)知識(shí)圖譜情報(bào)平臺(tái)金融行業(yè)智能審計(jì)與稽查平臺(tái)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(yíng)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(tái)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(fèi)者全觸點(diǎn)測(cè)量與優(yōu)化智能分析與決策業(yè)務(wù)及數(shù)據(jù)中臺(tái)廣告營(yíng)銷業(yè)務(wù)全鏈路測(cè)量系統(tǒng)線上線下多場(chǎng)景測(cè)量系統(tǒng)消費(fèi)者認(rèn)知測(cè)量全域營(yíng)銷智能情報(bào)平臺(tái)營(yíng)銷流量反欺詐防御系統(tǒng)內(nèi)容洞察創(chuàng)

45、新平臺(tái)社交輿情監(jiān)測(cè)平臺(tái)KOL分析與選擇解決方案社交BI系統(tǒng)營(yíng)銷業(yè)務(wù)中臺(tái)消費(fèi)者數(shù)據(jù)管理平臺(tái)智能廣告優(yōu)化管理平臺(tái)全渠道互動(dòng)管理平臺(tái)解決方案公 共 服 務(wù)來(lái)源：艾瑞根據(jù)專家訪談、公開(kāi)資料等研究繪制。21中國(guó)數(shù)據(jù)智能代表企業(yè)案例展示國(guó)雙國(guó)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(guó)首家赴美上市的大數(shù)據(jù)企業(yè)，是一家企業(yè)級(jí)大數(shù)據(jù) 和人工智能解決方案提供商，公司致力于實(shí)現(xiàn)“技術(shù)改變產(chǎn)業(yè)，促進(jìn)社會(huì)發(fā)展”的愿景。國(guó)雙數(shù)據(jù)科學(xué)團(tuán)隊(duì)成員共計(jì)30多 人，涉及領(lǐng)域包括數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)建模專家、計(jì)算機(jī)視覺(jué)專家、自然語(yǔ)言處理專家、語(yǔ)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(tái)分布式數(shù)據(jù)架構(gòu)和實(shí)時(shí)、多維度關(guān)聯(lián)性分 析技術(shù)，國(guó)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(guó)雙企業(yè)數(shù)字化智能轉(zhuǎn)型解決方案新工藝、新趨勢(shì)、個(gè)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(gòu)品類、數(shù)量預(yù)測(cè)供應(yīng)商管理物料、倉(cāng)儲(chǔ)預(yù)警設(shè)備、物料、工藝流程數(shù)據(jù)實(shí)時(shí)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(cè)/報(bào)警產(chǎn)品質(zhì)量智能檢測(cè)訂單、車輛、貨物、 倉(cāng)儲(chǔ)最優(yōu)規(guī)劃與調(diào) 度行業(yè)、競(jìng)爭(zhēng)分析市場(chǎng)需求分析市場(chǎng)容量預(yù)測(cè)營(yíng)銷策劃與推廣營(yíng)銷監(jiān)測(cè)效果評(píng)估OMO場(chǎng)景營(yíng)銷渠道商數(shù)據(jù)收集渠道商運(yùn)營(yíng)、營(yíng)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(jī)考核客戶數(shù)據(jù)收集客戶咨詢、下單自動(dòng) 應(yīng)答客戶價(jià)值預(yù)測(cè)會(huì)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