特別鳴謝(按拼音排序)

　　報(bào)告摘要

　　面向業(yè)務(wù)場(chǎng)景，知識(shí)圖譜應(yīng)用趨勢(shì)分析

　　· 知識(shí)圖譜面向業(yè)務(wù)場(chǎng)景，強(qiáng)調(diào)行業(yè)知識(shí)與知識(shí)圖譜的結(jié)合，實(shí)現(xiàn)在業(yè)務(wù)場(chǎng)景中的落地應(yīng)用;

　　· 知識(shí)圖譜的核心優(yōu)勢(shì)體現(xiàn)在對(duì)于實(shí)體、屬性等客觀世界事物的關(guān)聯(lián)關(guān)系分析，尤其是隱性關(guān)系識(shí)別，可應(yīng)用于輔助決策;

　　· 基于知識(shí)圖譜構(gòu)建的領(lǐng)域知識(shí)庫(kù)應(yīng)用，有效沉淀行業(yè)知識(shí)，賦能多業(yè)務(wù)場(chǎng)景;

　　· 注重行業(yè)知識(shí)圖譜和關(guān)系挖掘，是人工智能在行業(yè)中更深層的落地應(yīng)用。

　　最佳實(shí)踐案例，對(duì)于知識(shí)圖譜構(gòu)建有重要指導(dǎo)意義

　　· 知識(shí)圖譜已經(jīng)在垂直領(lǐng)域內(nèi)有一定的成功應(yīng)用案例，本報(bào)告總結(jié)在金融行業(yè)、醫(yī)療與醫(yī)藥行業(yè)、政府與公共服務(wù)行業(yè)以及能源與工業(yè)行業(yè)中六個(gè)應(yīng)用場(chǎng)景的最佳實(shí)踐案例;

　　· 最佳實(shí)踐案例對(duì)于知識(shí)圖譜落地有重要的指導(dǎo)意義，企業(yè)可根據(jù)同行業(yè)內(nèi)最佳實(shí)踐案例制定符合自身業(yè)務(wù)需求的知識(shí)圖譜解決方案，實(shí)現(xiàn)快速落地、及時(shí)應(yīng)用。

　　從感知智能到認(rèn)知智能，知識(shí)圖譜是關(guān)鍵一步

　　· 認(rèn)知智能時(shí)代的到來(lái)，是在感知智能之上，提高了AI的理解分析能力。知識(shí)圖譜起到重要的支撐作用。在認(rèn)知智能階段，機(jī)器能夠通過(guò)知識(shí)圖譜挖掘隱性關(guān)系，洞察難以發(fā)現(xiàn)的關(guān)系和邏輯，用于最終的業(yè)務(wù)決策。

　　目錄

　　一. 知識(shí)圖譜技術(shù)概覽

　　二. 知識(shí)圖譜應(yīng)用分析與落地挑戰(zhàn)

　　三. 知識(shí)圖譜最佳實(shí)踐案例

　　四. 知識(shí)圖譜未來(lái)展望

　　結(jié)語(yǔ)

　　關(guān)于愛分析

　　法律聲明

　　1.知識(shí)圖譜技術(shù)概覽

　　1.1 知識(shí)圖譜概述

　　1.1.1知識(shí)圖譜定義

　　知識(shí)圖譜即Knowledge Graph，以結(jié)構(gòu)化的方式描述客觀世界中實(shí)體、概念、事件以及之間的關(guān)系。其中，實(shí)體是指客觀世界的具體事物;概念是指人類對(duì)于客觀事物的概念化描述表示;事件是指發(fā)生在客觀世界的活動(dòng)，而關(guān)系則指實(shí)體、概念、事件之間客觀存在的關(guān)聯(lián)。

　　知識(shí)圖譜技術(shù)是指在建立知識(shí)圖譜中使用的技術(shù)，是融合認(rèn)知計(jì)算、知識(shí)表示與推理、信息檢索與抽取、自然語(yǔ)言處理與語(yǔ)義Web、數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)等技術(shù)的交叉研究。知識(shí)圖譜技術(shù)包括知識(shí)表示、知識(shí)圖譜構(gòu)建和知識(shí)圖譜應(yīng)用三方面的研究?jī)?nèi)容：

　　知識(shí)表示研究客觀世界知識(shí)的建模，以方便機(jī)器識(shí)別和理解，既要考慮知識(shí)的表示與存儲(chǔ)，又要考慮知識(shí)的使用和計(jì)算;

　　知識(shí)圖譜構(gòu)建解決如何建立計(jì)算機(jī)算法從客觀世界或者互聯(lián)網(wǎng)的各種數(shù)據(jù)資源中獲取客觀世界的知識(shí)，主要研究使用何種數(shù)據(jù)和方法抽取何種知識(shí);

　　知識(shí)圖譜應(yīng)用主要研究如何利用知識(shí)圖譜建立基于知識(shí)的智能服務(wù)系統(tǒng)，更好地解決實(shí)際應(yīng)用問(wèn)題。

　　1.1.2知識(shí)圖譜發(fā)展歷程

　　谷歌于2012年正式提出知識(shí)圖譜(Knowledge Graph)概念，并應(yīng)用在智能搜索領(lǐng)域。知識(shí)圖譜(Knowledge Graph)本質(zhì)是以圖的形式表現(xiàn)實(shí)體(概念、事物、人)及其關(guān)系的知識(shí)庫(kù)，可看作有向圖結(jié)構(gòu)的網(wǎng)絡(luò)。目前，知識(shí)圖譜技術(shù)已在智能搜索、智能問(wèn)答、網(wǎng)絡(luò)分析、決策輔助、推薦系統(tǒng)等領(lǐng)域廣泛應(yīng)用。

　　通過(guò)知識(shí)圖譜的發(fā)展歷程可以看出，知識(shí)圖譜是知識(shí)工程不斷發(fā)展衍生出的新一代知識(shí)工程技術(shù)。2012年谷歌知識(shí)圖譜項(xiàng)目之后，知識(shí)圖譜技術(shù)快速發(fā)展，目前已形成在多垂直領(lǐng)域的行業(yè)應(yīng)用。

　　1.1.3知識(shí)圖譜的構(gòu)建體系

　　知識(shí)圖譜構(gòu)建過(guò)程主要分為自頂向下(top-down)與自底向上(bottom-up)兩種方式。兩種方式的主要區(qū)別在于，在構(gòu)建的過(guò)程中是否先定義本體與數(shù)據(jù)模式。目前，大多數(shù)知識(shí)圖譜采用自底向上的方式進(jìn)行構(gòu)建。

　　在知識(shí)圖譜的構(gòu)建過(guò)程中，存在幾項(xiàng)關(guān)鍵步驟，即知識(shí)抽取、知識(shí)表示、知識(shí)融合、知識(shí)推理、知識(shí)存儲(chǔ)以及知識(shí)圖譜應(yīng)用等。

　　其中，知識(shí)抽取與知識(shí)融合環(huán)節(jié)是知識(shí)圖譜構(gòu)建的基礎(chǔ)。通過(guò)客戶數(shù)據(jù)庫(kù)或公開網(wǎng)絡(luò)獲取到多源異構(gòu)數(shù)據(jù)具有冗余、噪聲、不確定性等特征，前期的數(shù)據(jù)清洗工作并不能實(shí)際解決這些問(wèn)題，需要對(duì)相關(guān)數(shù)據(jù)抽取后進(jìn)行融合操作并對(duì)質(zhì)量進(jìn)行評(píng)估，以便及時(shí)知識(shí)更新，保證知識(shí)圖譜的準(zhǔn)確性。同時(shí)，已有知識(shí)構(gòu)建數(shù)據(jù)模型形成數(shù)據(jù)規(guī)范作用于知識(shí)表示的過(guò)程可以及時(shí)對(duì)數(shù)據(jù)模型進(jìn)行修訂，保證數(shù)據(jù)模型針對(duì)特定數(shù)據(jù)的實(shí)時(shí)性與有效性。

　　知識(shí)圖譜的前期構(gòu)建過(guò)程即知識(shí)抽取與知識(shí)融合，各廠商在技術(shù)層面大致趨同，更多的是基于人力與時(shí)間的投入。知識(shí)圖譜發(fā)展至今，決定應(yīng)用效果的更多是應(yīng)用模型，即特定應(yīng)用場(chǎng)景下相對(duì)應(yīng)的應(yīng)用模型。

　　1.1.4知識(shí)圖譜應(yīng)用特性

　　知識(shí)圖譜技術(shù)源于語(yǔ)義網(wǎng)絡(luò)，經(jīng)過(guò)半個(gè)世紀(jì)的發(fā)展，融合本體論、群體智能使得知識(shí)圖譜又形成自身特點(diǎn)。在實(shí)際業(yè)務(wù)應(yīng)用中，知識(shí)圖譜技術(shù)有以下特征：

　　可視化：知識(shí)圖譜作為圖類型知識(shí)庫(kù)，本身具備可視化特性。知識(shí)圖譜可以將多實(shí)體間的關(guān)系通過(guò)圖形的方式進(jìn)行顯示。目前，通過(guò)知識(shí)圖譜技術(shù)分析展示實(shí)體間關(guān)聯(lián)關(guān)系已在多領(lǐng)域有廣泛的應(yīng)用;

　　準(zhǔn)確性：知識(shí)圖譜構(gòu)建的語(yǔ)義網(wǎng)絡(luò)中具有多種語(yǔ)義關(guān)系，多角度挖掘信息，保證相關(guān)信息的準(zhǔn)確性;

　　關(guān)聯(lián)分析：知識(shí)圖譜本身具備“邊”的概念，強(qiáng)調(diào)實(shí)體間的關(guān)聯(lián)與屬性。在實(shí)際業(yè)務(wù)場(chǎng)景中，利用知識(shí)圖譜技術(shù)能快速有效地發(fā)現(xiàn)無(wú)關(guān)實(shí)體間的隱性關(guān)聯(lián)關(guān)系。目前，關(guān)聯(lián)分析在金融行業(yè)的營(yíng)銷與風(fēng)控，政府與公共服務(wù)行業(yè)智能刑偵、智能經(jīng)偵、治安管理、政務(wù)數(shù)字化等多領(lǐng)域有廣泛應(yīng)用;

　　拓展性：知識(shí)圖譜本身的構(gòu)建方式?jīng)Q定其本身具有良好的拓展性，當(dāng)形成某細(xì)分領(lǐng)域知識(shí)圖譜后可在此領(lǐng)域內(nèi)快速拓展。同時(shí)，不同領(lǐng)域間知識(shí)圖譜也有一定的拓展性，本身知識(shí)抽取與知識(shí)融合階段對(duì)領(lǐng)域業(yè)務(wù)知識(shí)依賴有限，決定知識(shí)圖譜領(lǐng)域內(nèi)應(yīng)用效果的關(guān)鍵因素是上層業(yè)務(wù)模型;

　　可解釋性：彌補(bǔ)機(jī)器學(xué)習(xí)的不足，知識(shí)圖譜本身與人類認(rèn)知類似，通過(guò)實(shí)體、關(guān)系、屬性去認(rèn)知世界，同時(shí)知識(shí)圖譜目前均為大規(guī)模知識(shí)庫(kù)，語(yǔ)義豐富，將搜索問(wèn)題與答案相連接，提供解釋性的來(lái)源;

　　知識(shí)學(xué)習(xí)：通過(guò)推理、標(biāo)注、糾錯(cuò)等具有反饋能力的學(xué)習(xí)機(jī)制，快速積累沉淀行業(yè)知識(shí)，形成領(lǐng)域知識(shí)庫(kù)，降低行業(yè)經(jīng)驗(yàn)的依賴性。

　　2.知識(shí)圖譜應(yīng)用分析與落地挑戰(zhàn)

　　2.1知識(shí)圖譜應(yīng)用分析

　　知識(shí)圖譜可為多領(lǐng)域客戶在數(shù)據(jù)管理、關(guān)聯(lián)分析、營(yíng)銷與風(fēng)控、反欺詐等應(yīng)用場(chǎng)景提供技術(shù)賦能。知識(shí)圖譜技術(shù)為用戶提供了一種更為有效的方式表達(dá)、組織、管理以及利用多源、異構(gòu)、動(dòng)態(tài)的數(shù)據(jù)。通過(guò)對(duì)于各領(lǐng)域內(nèi)應(yīng)用場(chǎng)景的分析，可以看出目前知識(shí)圖譜應(yīng)用場(chǎng)景的共性特點(diǎn)：

　　圖譜的核心優(yōu)勢(shì)體現(xiàn)在對(duì)于實(shí)體、屬性等客觀世界事物的關(guān)聯(lián)關(guān)系分析，包括顯性關(guān)系與隱性關(guān)系識(shí)別?；谥R(shí)圖譜此項(xiàng)特性，銀行營(yíng)銷與風(fēng)控、公安刑偵等較多業(yè)務(wù)場(chǎng)景都有應(yīng)用。也是目前知識(shí)圖譜技術(shù)應(yīng)用最為廣泛的功能點(diǎn)。構(gòu)建實(shí)體關(guān)系網(wǎng)絡(luò)，察覺(jué)實(shí)體關(guān)系，并發(fā)現(xiàn)信息(包括：風(fēng)險(xiǎn)消息、商機(jī)線索、關(guān)系事件)的傳導(dǎo)路徑，也會(huì)在其他行業(yè)中逐漸獲得廣泛應(yīng)用;同時(shí)，關(guān)系網(wǎng)絡(luò)的搭建結(jié)合目前數(shù)據(jù)可視化(二維以及三維展示)的技術(shù)，將會(huì)更好地給用戶呈現(xiàn)實(shí)體關(guān)系網(wǎng)絡(luò);

　　領(lǐng)域知識(shí)庫(kù)的應(yīng)用也在各行業(yè)內(nèi)廣泛推廣，相較于傳統(tǒng)知識(shí)工程，利用知識(shí)圖譜技術(shù)搭建領(lǐng)域知識(shí)庫(kù)的實(shí)際應(yīng)用效果更好;由于傳統(tǒng)知識(shí)工程知識(shí)相對(duì)分散，關(guān)聯(lián)性低，要求使用者對(duì)于知識(shí)應(yīng)用的匹配度較高，同時(shí)無(wú)法延伸知識(shí)的應(yīng)用場(chǎng)景，所以傳統(tǒng)知識(shí)工程往往應(yīng)用效果一般。在搭建領(lǐng)域知識(shí)庫(kù)的過(guò)程中，知識(shí)圖譜實(shí)現(xiàn)了知識(shí)的建模、抽取、融合、存儲(chǔ)、應(yīng)用，同時(shí)將相關(guān)知識(shí)進(jìn)行關(guān)聯(lián)，達(dá)到智能化的知識(shí)應(yīng)用水平;

　　自然語(yǔ)言處理(NLP)技術(shù)與知識(shí)圖譜技術(shù)之間存在較大交叉，面對(duì)復(fù)雜語(yǔ)義，可以利用知識(shí)圖譜技術(shù)與自然語(yǔ)言處理相結(jié)合的應(yīng)用，更好的服務(wù)與長(zhǎng)文本處理;傳統(tǒng)自然語(yǔ)言處理對(duì)于短文本有較好的處理效果，但面對(duì)長(zhǎng)文本，尤其前后具備邏輯關(guān)系的語(yǔ)言，往往處理較差。知識(shí)圖譜技術(shù)的應(yīng)用解決長(zhǎng)文本與長(zhǎng)語(yǔ)句處理問(wèn)題，使得智能客服、機(jī)器翻譯、文本處理等應(yīng)用有長(zhǎng)足的發(fā)展。

　　2.2知識(shí)圖譜落地應(yīng)用場(chǎng)景

　　愛分析基于對(duì)國(guó)內(nèi)知識(shí)圖譜廠商的調(diào)研，準(zhǔn)確定義了23個(gè)知識(shí)圖譜技術(shù)的應(yīng)用場(chǎng)景，涵蓋金融、政府與公共服務(wù)、電信、醫(yī)療與醫(yī)藥、零售、能源與工業(yè)等六大行業(yè)。本報(bào)告應(yīng)用場(chǎng)景只選取具有較強(qiáng)行業(yè)屬性的應(yīng)用場(chǎng)景進(jìn)行研究分析，并沒(méi)有窮舉知識(shí)圖譜所有應(yīng)用場(chǎng)景。

　　知識(shí)圖譜應(yīng)用場(chǎng)景地圖如下圖所示：

　　2.3知識(shí)圖譜各場(chǎng)景應(yīng)用分析

　　通過(guò)知識(shí)圖譜應(yīng)用場(chǎng)景地圖可以看出，目前在六大行業(yè)中，金融行業(yè)以及政府與公共服務(wù)行業(yè)知識(shí)圖譜落地場(chǎng)景較多，其中主要以金融行業(yè)內(nèi)的營(yíng)銷與風(fēng)控場(chǎng)景和公共安全行業(yè)的業(yè)務(wù)場(chǎng)景居多。本章節(jié)將結(jié)合各行業(yè)具體落地場(chǎng)景分析目前知識(shí)圖譜的應(yīng)用現(xiàn)狀。

　　2.3.1金融行業(yè)知識(shí)圖譜應(yīng)用場(chǎng)景分析

　　（1）金融行業(yè)營(yíng)銷與風(fēng)控業(yè)務(wù)場(chǎng)景應(yīng)用分析：

　　在對(duì)公業(yè)務(wù)的激烈競(jìng)爭(zhēng)中，銀行需要增強(qiáng)對(duì)企業(yè)關(guān)聯(lián)關(guān)系網(wǎng)中產(chǎn)生的商機(jī)事件的洞察能力，及時(shí)抓住營(yíng)銷窗口期;

　　隨著宏觀經(jīng)濟(jì)環(huán)境不確定性的增加，銀行需要增強(qiáng)對(duì)企業(yè)關(guān)聯(lián)關(guān)系網(wǎng)中傳導(dǎo)的行業(yè)景氣度波動(dòng)、重大負(fù)面事件等風(fēng)險(xiǎn)事件的洞察能力，建立重大風(fēng)險(xiǎn)事件快速響應(yīng)和應(yīng)急處置機(jī)制，及時(shí)發(fā)現(xiàn)潛在風(fēng)險(xiǎn)，提高風(fēng)險(xiǎn)監(jiān)測(cè)與預(yù)警能力;

　　知識(shí)圖譜可以為銀行對(duì)公業(yè)務(wù)實(shí)現(xiàn)跨行業(yè)和跨企業(yè)的關(guān)系網(wǎng)絡(luò)的構(gòu)建，重塑對(duì)公業(yè)務(wù)營(yíng)銷與風(fēng)控的過(guò)程，提升風(fēng)險(xiǎn)管理和營(yíng)銷管理的效率，特別是在反洗錢、反欺詐、輿情風(fēng)控等環(huán)節(jié)中，知識(shí)圖譜可以起到關(guān)鍵作用;

　　國(guó)內(nèi)銀行目前正在積極進(jìn)行線上零售轉(zhuǎn)型，大力發(fā)展個(gè)貸、微貸業(yè)務(wù)，需要增強(qiáng)對(duì)零售客戶的數(shù)據(jù)洞察能力，挖掘客戶的真實(shí)需求，實(shí)現(xiàn)千人千面，從而實(shí)現(xiàn)精準(zhǔn)觸達(dá);

　　伴隨著業(yè)務(wù)的發(fā)展，背后隱藏的風(fēng)險(xiǎn)也日益凸顯，“薅羊毛”、親友集中借貸、“壘大戶“等問(wèn)題頻發(fā)，因此，貸前審查和貸后管理中對(duì)于客戶之間關(guān)聯(lián)關(guān)系的識(shí)別非常重要;

　　通過(guò)構(gòu)建關(guān)聯(lián)圖譜，打通零售業(yè)務(wù)場(chǎng)景下客戶從申請(qǐng)到貸后的全流程數(shù)據(jù)，建立零售客戶全業(yè)務(wù)周期畫像、客戶關(guān)系畫像，可以使銀行在縮短營(yíng)銷周期、降低營(yíng)銷成本的同時(shí)確保風(fēng)險(xiǎn)可控。

　　（2）金融行業(yè)構(gòu)建金融領(lǐng)域知識(shí)庫(kù)業(yè)務(wù)場(chǎng)景應(yīng)用分析：

　　金融機(jī)構(gòu)內(nèi)部在業(yè)務(wù)運(yùn)行過(guò)程中累積了大量的知識(shí)與經(jīng)驗(yàn)，這些知識(shí)與經(jīng)驗(yàn)存在于領(lǐng)域?qū)＜夷X中或技術(shù)文檔中，難以得到有效利用，很多金融機(jī)構(gòu)嘗試使用知識(shí)管理系統(tǒng)，但知識(shí)管理系統(tǒng)中的知識(shí)與知識(shí)之間存在信息孤島，沒(méi)有建立知識(shí)之間的聯(lián)系，知識(shí)的管理維護(hù)、更新升級(jí)等也都存在問(wèn)題;基于知識(shí)圖譜，可以有效將知識(shí)與業(yè)務(wù)進(jìn)行關(guān)聯(lián)，有效管理知識(shí)體系的同時(shí)更好地賦能業(yè)務(wù);

　　在將知識(shí)圖譜技術(shù)應(yīng)用于營(yíng)銷、風(fēng)控等業(yè)務(wù)環(huán)節(jié)的過(guò)程中，本質(zhì)上是建立了營(yíng)銷領(lǐng)域和風(fēng)控領(lǐng)域的知識(shí)庫(kù)，隨著知識(shí)圖譜技術(shù)在金融行業(yè)的滲透，金融機(jī)構(gòu)開始想要打造全公司級(jí)別的知識(shí)庫(kù)或知識(shí)中臺(tái)，將全公司的數(shù)據(jù)進(jìn)行關(guān)聯(lián)，滿足不同業(yè)務(wù)部門的需求，更好的推動(dòng)業(yè)務(wù)運(yùn)行。

　?。?）金融行業(yè)在智能客服業(yè)務(wù)場(chǎng)景應(yīng)用分析：

　　隨著人工客服成本的逐年上漲，客服機(jī)器人在金融領(lǐng)域已經(jīng)開始廣泛使用，但在金融領(lǐng)域使用的客服機(jī)器人不同于一般的聊天機(jī)器人，對(duì)回答準(zhǔn)確率的要求較高，現(xiàn)階段，客服機(jī)器人只能作為人工客服的輔助和補(bǔ)充，主要應(yīng)用在人工客服人手不足或是對(duì)服務(wù)質(zhì)量要求不高的場(chǎng)景上;

　　金融機(jī)構(gòu)對(duì)客服機(jī)器人的智能化水平要求不斷增加，需要客服機(jī)器人對(duì)問(wèn)題中模糊的部分通過(guò)上下文對(duì)話的關(guān)聯(lián)進(jìn)行意圖識(shí)別，給客戶帶來(lái)更好的服務(wù)體驗(yàn);

　　基于知識(shí)圖譜技術(shù)的客服機(jī)器人，可以理解用戶意圖，實(shí)現(xiàn)上下文交互的對(duì)話流程。

　　2.3.2政府與公共服務(wù)行業(yè)知識(shí)圖譜應(yīng)用場(chǎng)景分析

　　（1）公共安全行業(yè)刑偵、經(jīng)偵、反恐、治安管理等業(yè)務(wù)應(yīng)用分析：

　　目前公共安全行業(yè)的智能化應(yīng)用主要停留在感知智能，強(qiáng)調(diào)前端數(shù)據(jù)的采集以及后端視頻解析能力，認(rèn)知智能的應(yīng)用推廣有限，導(dǎo)致公安數(shù)據(jù)信息規(guī)模龐大、數(shù)據(jù)復(fù)雜。辦案人員需要將海量數(shù)據(jù)快速抽取成知識(shí)，發(fā)現(xiàn)有用信息;

　　違法犯罪活動(dòng)本身具備隱蔽性、團(tuán)伙性等特征，在技術(shù)高速發(fā)展的背景下，又呈現(xiàn)出網(wǎng)絡(luò)化、智能化、復(fù)雜化等新特征，增加了公安人員的辦案難度。面對(duì)當(dāng)前的公安業(yè)務(wù)新挑戰(zhàn)，公安部門推動(dòng)公安系統(tǒng)智能化改造，打破系統(tǒng)原有信息孤島，挖掘潛在隱藏信息，分析關(guān)聯(lián)關(guān)系，形成知識(shí)網(wǎng)絡(luò)，通過(guò)技術(shù)手段支撐“人、事、地、物、組織”等刑偵關(guān)鍵要素;

　　案件的核心是“人”，在經(jīng)濟(jì)犯罪過(guò)程中，關(guān)鍵人員一定會(huì)留痕于關(guān)系網(wǎng)絡(luò)，但關(guān)鍵在于，面對(duì)錯(cuò)綜復(fù)雜的海量數(shù)據(jù)，經(jīng)偵部門需要梳理脈絡(luò)，利用知識(shí)圖譜，形成人員、企業(yè)等要素的關(guān)系網(wǎng)絡(luò)，搜尋關(guān)鍵線索，挖掘深層次信息;

　　由于暴恐事件具有團(tuán)伙性、隱蔽性以及線上與線下關(guān)聯(lián)性等特征，公安機(jī)關(guān)需對(duì)重點(diǎn)人員布控，基于知識(shí)圖譜利用車輛與人員軌跡、同行人等數(shù)據(jù)建立風(fēng)險(xiǎn)預(yù)測(cè)模型，發(fā)掘隱性重點(diǎn)人員，形成團(tuán)伙關(guān)系網(wǎng)絡(luò)，通過(guò)團(tuán)伙聚集度、活躍度、危險(xiǎn)度等多維度信息對(duì)團(tuán)伙進(jìn)行布控設(shè)防;

　　治安事件發(fā)生具有突然性，當(dāng)團(tuán)伙發(fā)生案件時(shí)，若不能現(xiàn)場(chǎng)及時(shí)抓捕，后期可通過(guò)涉案人員關(guān)系圖譜發(fā)掘潛在嫌疑人;針對(duì)有一定犯罪企圖的重點(diǎn)人員，利用智能手段，建立重點(diǎn)人員預(yù)警模型，并通過(guò)關(guān)系圖譜與軌跡信息，及時(shí)發(fā)現(xiàn)違法活動(dòng)，阻止治安事件發(fā)生。

　?。?）交通行業(yè)業(yè)務(wù)場(chǎng)景應(yīng)用分析：

　　面對(duì)城市交通擁堵問(wèn)題，利用知識(shí)圖譜技術(shù)，將前端感知設(shè)備采集數(shù)據(jù)形成人、車、道理的大交通關(guān)系圖譜，通過(guò)交通業(yè)務(wù)模型，利用路口信號(hào)燈實(shí)時(shí)調(diào)度城市交通系統(tǒng);

　　針對(duì)突發(fā)情況導(dǎo)致的道路無(wú)法通行，交通部門需要快速響應(yīng)進(jìn)行路徑規(guī)劃，合理指揮車輛規(guī)避風(fēng)險(xiǎn)路段，將影響降到最小。將時(shí)空概念引入，利用動(dòng)態(tài)知識(shí)圖譜技術(shù)，更快速的進(jìn)行道路規(guī)劃;

　　電警、卡口、人臉抓拍攝像機(jī)的廣泛應(yīng)用使得交通大數(shù)據(jù)中具有海量車牌與人臉照片，通過(guò)知識(shí)圖譜技術(shù)可以快速構(gòu)建人、車關(guān)系圖譜，交管部門可以快速檢索居民與同行人的軌跡信息。

　　（3）政務(wù)數(shù)字化業(yè)務(wù)場(chǎng)景應(yīng)用分析：

　　在政務(wù)數(shù)字化的建設(shè)過(guò)程中，政府各部門主導(dǎo)建立業(yè)務(wù)系統(tǒng)，導(dǎo)致系統(tǒng)之間形成“信息孤島”，不能有效的統(tǒng)一調(diào)度。采用知識(shí)圖譜等新興技術(shù)，平臺(tái)將部門壁壘與信息孤島現(xiàn)象打破，形成統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范服務(wù)業(yè)務(wù)應(yīng)用;

　　目前各級(jí)政府部門已形成海量數(shù)據(jù)資源池，但真正能服務(wù)于業(yè)務(wù)的數(shù)據(jù)應(yīng)用卻較少。采用知識(shí)圖譜技術(shù)，平臺(tái)將各部門數(shù)據(jù)抽取融合形成知識(shí)，搭建政務(wù)領(lǐng)域知識(shí)中臺(tái)，為上層各業(yè)務(wù)部門工作提供知識(shí)支持;

　　政府對(duì)于社會(huì)的宏觀調(diào)控需要多維數(shù)據(jù)支撐，需要挖掘社會(huì)關(guān)鍵要素之間的隱性關(guān)系，輔助政府部門決斷。知識(shí)圖譜技術(shù)具有較強(qiáng)的關(guān)聯(lián)關(guān)系分析能力，通過(guò)社會(huì)要素的關(guān)聯(lián)分析與模型推算，在宏觀調(diào)控、社會(huì)管控、政策實(shí)施、災(zāi)害防控等多方面為政府決策提供數(shù)據(jù)支撐。

　　2.3.3醫(yī)療與醫(yī)藥行業(yè)知識(shí)圖譜應(yīng)用場(chǎng)景分析

　　（1）藥企業(yè)務(wù)場(chǎng)景應(yīng)用分析：

　　從藥物研發(fā)到臨床試驗(yàn)再到上市推廣，醫(yī)學(xué)翻譯貫穿于藥企的整個(gè)業(yè)務(wù)生命周期中，醫(yī)療的特殊性使得藥企對(duì)醫(yī)學(xué)翻譯的專業(yè)性提出極高的要求;

　　基于知識(shí)圖譜的機(jī)器翻譯，通過(guò)構(gòu)建專業(yè)領(lǐng)域的知識(shí)體系，可以極大提高醫(yī)學(xué)翻譯的專業(yè)性和準(zhǔn)確性，使翻譯結(jié)果更加符合醫(yī)學(xué)邏輯，保證翻譯質(zhì)量;

　　“4+7”帶量采購(gòu)使得跨國(guó)藥企面臨藥價(jià)下調(diào)的壓力，產(chǎn)品的覆蓋力度和頻率下降，亟需快速挖掘新市場(chǎng)以及提高對(duì)原有覆蓋客戶的精準(zhǔn)營(yíng)銷;在醫(yī)藥營(yíng)銷“合規(guī)”的背景下，“帶金銷售”的醫(yī)藥代表模式走不通，數(shù)字化營(yíng)銷成為藥企實(shí)現(xiàn)合規(guī)、高效、低成本的營(yíng)銷手段;

　　藥企通過(guò)搭建自己的知識(shí)體系平臺(tái)或問(wèn)答平臺(tái)，構(gòu)建產(chǎn)品知識(shí)圖譜、疾病知識(shí)圖譜、用藥知識(shí)圖譜等，可以精準(zhǔn)地為醫(yī)生推送其感興趣的內(nèi)容，幫助醫(yī)生正確用藥、正確做治療，提高醫(yī)生對(duì)藥企產(chǎn)品的認(rèn)可度。

　　（2）醫(yī)院業(yè)務(wù)場(chǎng)景應(yīng)用分析：

　　患者去醫(yī)院就診時(shí)，經(jīng)常會(huì)遇到“知癥不知病”、“知病不知科”的問(wèn)題，現(xiàn)有的導(dǎo)診方式一般為人工導(dǎo)診或基于關(guān)鍵詞的導(dǎo)診系統(tǒng)，導(dǎo)診的效率和效果有待提升;為患者提供精準(zhǔn)的智能導(dǎo)診服務(wù)，不僅可以為患者快速找到合適的科室和合適的醫(yī)生，減少患者就診時(shí)間，同時(shí)可以緩解醫(yī)務(wù)人員工作壓力、促進(jìn)醫(yī)療資源合理配置;

　　基于知識(shí)圖譜的智能導(dǎo)診系統(tǒng)，借助知識(shí)圖譜的推理能力，患者只需描述癥狀或疾病，就可以為患者提供智能導(dǎo)診服務(wù)，匹配科室和醫(yī)生，緩解醫(yī)院導(dǎo)診服務(wù)的壓力，提高醫(yī)院的智能化管理水平。

　　2.3.4能源與工業(yè)行業(yè)知識(shí)圖譜應(yīng)用場(chǎng)景分析

　　國(guó)內(nèi)工業(yè)水平發(fā)展參差不齊，長(zhǎng)期的行業(yè)不景氣導(dǎo)致企業(yè)信息化發(fā)展較慢，目前大部分企業(yè)數(shù)據(jù)粗放式管理，可用性與易用性較差，難以形成知識(shí)積累。隨著競(jìng)爭(zhēng)加劇，以電力、石化、工業(yè)、水務(wù)為代表的資源密集型企業(yè)加速向技術(shù)密集型與數(shù)字密集型企業(yè)轉(zhuǎn)型，提高企業(yè)數(shù)字化能力;

　　面對(duì)能源與工業(yè)行業(yè)的業(yè)務(wù)挑戰(zhàn)，企業(yè)需求將數(shù)據(jù)形成知識(shí)，創(chuàng)建支持上層業(yè)務(wù)應(yīng)用的領(lǐng)域知識(shí)庫(kù)，在輔助業(yè)務(wù)應(yīng)用的同時(shí)進(jìn)行相應(yīng)的知識(shí)積累。員工可通過(guò)知識(shí)庫(kù)快速獲取知識(shí)，降低培訓(xùn)與研發(fā)成本。

　　2.3.5電信行業(yè)知識(shí)圖譜應(yīng)用場(chǎng)景分析

　　市場(chǎng)已經(jīng)趨近于飽和的電信行業(yè)，提高服務(wù)質(zhì)量是運(yùn)營(yíng)商爭(zhēng)取客戶的重要舉措。由于人工客服的培訓(xùn)流程較長(zhǎng)且人員流動(dòng)性較強(qiáng)，建立運(yùn)營(yíng)商領(lǐng)域知識(shí)庫(kù)是快速提高客服人員服務(wù)質(zhì)量的有效方法。客服人員通過(guò)檢索知識(shí)庫(kù)獲取知識(shí)，快速、準(zhǔn)確地回答客戶問(wèn)題;

　　5G時(shí)代的到來(lái)，運(yùn)營(yíng)商更注重下沉市場(chǎng)。但對(duì)下沉市場(chǎng)的運(yùn)營(yíng)需要大量資源投入。建立運(yùn)營(yíng)商領(lǐng)域知識(shí)庫(kù)，一線工作人員可以通過(guò)檢索知識(shí)庫(kù)的方式快速獲取知識(shí);

　　運(yùn)營(yíng)商利用知識(shí)圖譜技術(shù)通過(guò)對(duì)購(gòu)買人的關(guān)聯(lián)關(guān)系圖譜分析，可以快速獲取潛在客戶群體，發(fā)掘隱性商機(jī)。

　　2.3.6零售行業(yè)知識(shí)圖譜應(yīng)用場(chǎng)景分析

　　在零售數(shù)字化的進(jìn)程中，零售商獲取了大量消費(fèi)者、商品以及門店的數(shù)據(jù)，但數(shù)據(jù)的價(jià)值在于發(fā)現(xiàn)三者的關(guān)聯(lián)關(guān)系。通過(guò)知識(shí)圖譜技術(shù)，零售商構(gòu)建商品知識(shí)圖譜，以商品為核心，發(fā)掘三者的隱性關(guān)系，輔助商品營(yíng)銷;

　　門店選址時(shí)，品牌商要高效、準(zhǔn)確的選擇新區(qū)域內(nèi)最佳位置。通過(guò)大量的門店數(shù)據(jù)，基于知識(shí)圖譜技術(shù)，可快速構(gòu)建門店領(lǐng)域知識(shí)庫(kù)，幫助企業(yè)根據(jù)產(chǎn)品類型快速發(fā)現(xiàn)區(qū)域內(nèi)的空白市場(chǎng)點(diǎn)位，輔助決策人完成門店選址工作。

　　2.4 知識(shí)圖譜的落地關(guān)鍵舉措及挑戰(zhàn)

　　2.4.1知識(shí)圖譜落地的關(guān)鍵步驟

　　由1.1.3節(jié)可以看出，知識(shí)圖譜的關(guān)鍵步驟包括知識(shí)抽取、知識(shí)融合、知識(shí)推理、知識(shí)存儲(chǔ)與知識(shí)應(yīng)用等關(guān)鍵五步。其中，知識(shí)抽取與知識(shí)融合環(huán)節(jié)共同完成知識(shí)構(gòu)建，在知識(shí)構(gòu)建的構(gòu)建的過(guò)程，從海量數(shù)據(jù)中抽取概念、實(shí)體、關(guān)系和屬性，并進(jìn)行消歧、對(duì)齊和融合。

　　知識(shí)抽?。好鎸?duì)海量的數(shù)據(jù)源，在構(gòu)建知識(shí)圖譜的過(guò)程中，需要自動(dòng)化的技術(shù)抽取可用的知識(shí)單元，其中知識(shí)單元包含實(shí)體、屬性與關(guān)系三個(gè)要素。并通過(guò)不斷形成的知識(shí)單元，形成知識(shí)表達(dá)，為上層的構(gòu)建提供基礎(chǔ)能力;

　　可以看出，知識(shí)抽取即可拆分為實(shí)體抽取、關(guān)系抽取以及屬性抽取的技術(shù)。其中由于屬性抽取主要針對(duì)實(shí)體可以看成是實(shí)體與屬性值之間的關(guān)系抽取問(wèn)題，所以屬性抽取技術(shù)可以借鑒使用關(guān)系抽取技術(shù)的相關(guān)思想。實(shí)體抽取也可認(rèn)為是命名實(shí)體的學(xué)習(xí)與識(shí)別，即從原始的語(yǔ)料中自動(dòng)識(shí)別出命名實(shí)體;

　　實(shí)體是知識(shí)圖譜中的最基本元素，其抽取的完整性、準(zhǔn)確率、召回率等將直接影響到知識(shí)庫(kù)的質(zhì)量。因此，實(shí)體抽取是知識(shí)抽取中最為基礎(chǔ)與關(guān)鍵的一步。

　　知識(shí)融合：知識(shí)融合是針對(duì)于知識(shí)質(zhì)量問(wèn)題，進(jìn)行高層次的知識(shí)組織，使來(lái)自不同知識(shí)源的知識(shí)在同一框架規(guī)范下進(jìn)行異構(gòu)數(shù)據(jù)整合、消歧、加工、推理驗(yàn)證、更新等步驟，達(dá)到數(shù)據(jù)、經(jīng)驗(yàn)以及人的思想的融合，形成高質(zhì)量的知識(shí)庫(kù);

　　知識(shí)融合技術(shù)主要包括實(shí)體對(duì)齊、知識(shí)加工、知識(shí)更新。其中實(shí)體對(duì)齊也稱為實(shí)體匹配或?qū)嶓w解析，主要是用于消除異構(gòu)數(shù)據(jù)中的實(shí)體沖突、指代不明等問(wèn)題。在通過(guò)實(shí)體對(duì)齊后，已形成知識(shí)的雛形，但未形成知識(shí)體系，需要通過(guò)知識(shí)加工進(jìn)行構(gòu)建。知識(shí)更新主要作用于知識(shí)體系，進(jìn)行不斷的迭代更新，拓展知識(shí)。

　　知識(shí)推理：知識(shí)推理也為知識(shí)計(jì)算，是結(jié)合行業(yè)Know-How，計(jì)算知識(shí)中的顯性與隱性關(guān)系和拓展屬性;是在知識(shí)庫(kù)的基礎(chǔ)上進(jìn)一步挖掘隱含的知識(shí)，豐富知識(shí)庫(kù)。目前行業(yè)內(nèi)的隱性關(guān)系挖掘，如銀行業(yè)零售與營(yíng)銷業(yè)務(wù)場(chǎng)景、公安智能刑偵、公安智能經(jīng)偵場(chǎng)景中的隱性關(guān)系挖掘，風(fēng)險(xiǎn)傳導(dǎo)識(shí)別都是基于知識(shí)圖譜的知識(shí)推理能力。知識(shí)推理的方法主要有三種，其中基于邏輯的推理方法以及基于圖的推理是最主要的兩種類別的方法。同時(shí)，行業(yè)內(nèi)正在研究跨知識(shí)庫(kù)的推理方法。

　　知識(shí)存儲(chǔ)：知識(shí)存儲(chǔ)保障知識(shí)圖譜平臺(tái)順利運(yùn)行，是關(guān)鍵的知識(shí)圖譜基礎(chǔ)。目前行業(yè)內(nèi)主流的存儲(chǔ)模式有三種：RDF(Resource Description Framework)，即資源描述框架、關(guān)系型數(shù)據(jù)庫(kù)以及圖數(shù)據(jù)庫(kù)。由于關(guān)系型數(shù)據(jù)庫(kù)存儲(chǔ)圖數(shù)據(jù)可以很好的解決單條數(shù)據(jù)查詢的問(wèn)題，在存儲(chǔ)效率和查詢效率上都有很大的優(yōu)勢(shì)。同時(shí)，關(guān)系型數(shù)據(jù)庫(kù)是目前最成熟也應(yīng)用最廣的數(shù)據(jù)庫(kù)。但對(duì)于關(guān)系的實(shí)時(shí)查詢以及深度關(guān)聯(lián)查詢時(shí)，關(guān)系型數(shù)據(jù)庫(kù)不能做好很好的支持。圖數(shù)據(jù)庫(kù)相對(duì)而言有著高性能的表現(xiàn)，在數(shù)據(jù)靈活性以及開發(fā)敏捷性方面，圖數(shù)據(jù)庫(kù)有較大優(yōu)勢(shì)。RDF本質(zhì)上為數(shù)據(jù)模型，提供統(tǒng)一標(biāo)準(zhǔn)描述實(shí)體，能夠較好的用圖描述，但存在設(shè)計(jì)不夠靈活、存儲(chǔ)空間大等問(wèn)題;

　　在實(shí)際項(xiàng)目中，要實(shí)際根據(jù)數(shù)據(jù)特點(diǎn)進(jìn)行數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)選擇與設(shè)計(jì)，而且目前沒(méi)有任何一種通用的存儲(chǔ)方式可以解決所有的問(wèn)題，每一種存儲(chǔ)方式都存在自身的局限性，所以在項(xiàng)目中要靈活配置使用數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)。

　　知識(shí)應(yīng)用：在2.1節(jié)可以看到，目前知識(shí)圖譜技術(shù)在垂直行業(yè)已有較多應(yīng)用場(chǎng)景。目前，知識(shí)圖譜的構(gòu)建和使用是以應(yīng)用場(chǎng)景為導(dǎo)向。在行業(yè)內(nèi)尋求應(yīng)用場(chǎng)景，理解用戶核心需求，判斷是否能應(yīng)用知識(shí)圖譜后，再根據(jù)應(yīng)用場(chǎng)景構(gòu)建知識(shí)圖譜;

　　在整個(gè)知識(shí)圖譜的知識(shí)應(yīng)用過(guò)程中;有兩個(gè)核心關(guān)鍵點(diǎn)：1)找到業(yè)務(wù)與知識(shí)圖譜技術(shù)的結(jié)合點(diǎn)，結(jié)合點(diǎn)的選取將直接影響實(shí)際應(yīng)用效果。2)知識(shí)圖譜的schema的設(shè)計(jì)，不同行業(yè)的知識(shí)體系不完全一樣，具有較強(qiáng)的領(lǐng)域性，在設(shè)計(jì)schema的過(guò)程要求業(yè)務(wù)專家與技術(shù)人員協(xié)作完成，這也是知識(shí)圖譜構(gòu)建的難點(diǎn);

　　知識(shí)圖譜技術(shù)作為感知智能向認(rèn)知智能跨進(jìn)的關(guān)鍵技術(shù)，在行業(yè)內(nèi)的應(yīng)用場(chǎng)景會(huì)逐步地增加，相較于其他人工智能技術(shù)，知識(shí)圖譜技術(shù)需要與行業(yè)Know-How有深度結(jié)合，更多的業(yè)務(wù)專家參與知識(shí)圖譜的構(gòu)建過(guò)程，會(huì)更有利于知識(shí)圖譜的落地，

　　2.4.2知識(shí)圖譜落地的“一核兩翼”

　　上一小節(jié)可以看到，知識(shí)圖譜技術(shù)落地的關(guān)鍵步驟為：知識(shí)構(gòu)建(知識(shí)抽取與知識(shí)融合)、知識(shí)推理、知識(shí)存儲(chǔ)與知識(shí)應(yīng)用。其中，針對(duì)上一節(jié)中關(guān)鍵步驟中影響因素進(jìn)行提煉總結(jié)，可得到?jīng)Q定知識(shí)圖譜技術(shù)落地效果好壞的三大關(guān)鍵因素，本報(bào)告總結(jié)為“一核兩翼”，即專業(yè)團(tuán)隊(duì)、數(shù)據(jù)與算法模型。

　　“一核兩翼”中“一核”指的專業(yè)團(tuán)隊(duì)，這里的專業(yè)團(tuán)隊(duì)指行業(yè)專家與技術(shù)專家和用戶共同組成的團(tuán)隊(duì)。行業(yè)專家與技術(shù)專家配合構(gòu)建專業(yè)領(lǐng)域知識(shí)圖譜，客戶與技術(shù)專家完成知識(shí)圖譜后期的運(yùn)營(yíng)與知識(shí)更新，讓知識(shí)圖譜“跑起來(lái)”。在“兩翼”能力越來(lái)越接近的今天，專業(yè)團(tuán)隊(duì)對(duì)于項(xiàng)目應(yīng)用的影響是決定性的。

　　“兩翼”指數(shù)據(jù)與算法模型，知識(shí)圖譜是連接數(shù)據(jù)知識(shí)與業(yè)務(wù)場(chǎng)景的關(guān)鍵技術(shù)，數(shù)據(jù)在整個(gè)知識(shí)圖譜構(gòu)建的過(guò)程中起到?jīng)Q定性作用，但由于數(shù)據(jù)來(lái)源廣泛、各行業(yè)數(shù)據(jù)質(zhì)量參差不齊，對(duì)于數(shù)據(jù)的治理、標(biāo)注與知識(shí)圖譜構(gòu)建中的知識(shí)抽取加工的工作是老生常談的難題，后面應(yīng)用過(guò)程中的數(shù)據(jù)查詢、分類也存在挑戰(zhàn)。

　　算法模型則是支撐知識(shí)圖譜自動(dòng)化應(yīng)用的核心，算法模型涵蓋知識(shí)圖譜構(gòu)建的全流程工作，從最開始的數(shù)據(jù)治理到最終的應(yīng)用查詢，是知識(shí)圖譜廠商技術(shù)實(shí)力與行業(yè)Know-How能力的體現(xiàn)。數(shù)據(jù)與算法模型的配合應(yīng)用支撐知識(shí)圖譜的行業(yè)落地。

　　2.4.3知識(shí)圖譜技術(shù)落地挑戰(zhàn)

　　實(shí)際應(yīng)用過(guò)程中，知識(shí)圖譜在落地中會(huì)出現(xiàn)很多挑戰(zhàn)與困難，而其實(shí)知識(shí)圖譜落地出現(xiàn)的困難正是由于廠商與用戶在構(gòu)建“一核兩翼”能力過(guò)程中出現(xiàn)問(wèn)題，典型挑戰(zhàn)與困難可以歸納為“數(shù)據(jù)不精、業(yè)務(wù)不專、技術(shù)不強(qiáng)、配合不暢”。

　　數(shù)據(jù)不精：問(wèn)題的核心是在部分信息化發(fā)展較緩慢的行業(yè)，行業(yè)數(shù)據(jù)整體治理水平較差，甚至部分關(guān)鍵數(shù)據(jù)仍未進(jìn)行有效管控，需要知識(shí)圖譜廠商進(jìn)行合理的規(guī)劃建設(shè)。但知識(shí)圖譜廠商并非數(shù)據(jù)中臺(tái)廠商，知識(shí)圖譜廠商更強(qiáng)調(diào)基于有效的數(shù)據(jù)進(jìn)行上層應(yīng)用的建設(shè)。對(duì)于海量數(shù)據(jù)的治理工作能力有限，造成項(xiàng)目工期延長(zhǎng)或適當(dāng)降低項(xiàng)目功能預(yù)期等情況。隨著各行業(yè)信息化以及數(shù)字化建設(shè)的推廣，數(shù)據(jù)中臺(tái)產(chǎn)品也將得到較好的推廣，未來(lái)基于數(shù)據(jù)中臺(tái)產(chǎn)品之上進(jìn)行知識(shí)圖譜建設(shè)，將有效的緩解數(shù)據(jù)不精的問(wèn)題;

　　業(yè)務(wù)不專：業(yè)務(wù)不專的核心在于廠商理解用戶需求，尋找知識(shí)圖譜與業(yè)務(wù)的結(jié)合點(diǎn)，有效的賦能業(yè)務(wù)場(chǎng)景。前面幾節(jié)已經(jīng)多次強(qiáng)調(diào)業(yè)務(wù)專家以及行業(yè)知識(shí)對(duì)于知識(shí)圖譜搭建的重要性;

　　知識(shí)圖譜schema的設(shè)計(jì)是需要業(yè)務(wù)專家的深度參與。由于不同行業(yè)、不同領(lǐng)域?qū)τ谥R(shí)的需求天差萬(wàn)別，所以很難出現(xiàn)跨行業(yè)通用的知識(shí)圖譜搭建工具。同時(shí)，知識(shí)圖譜的搭建過(guò)程本身也是一個(gè)行業(yè)知識(shí)的封裝過(guò)程，只有業(yè)務(wù)專家的參與，才能更好的形成真實(shí)契合行業(yè)需求的知識(shí)圖譜;

　　技術(shù)不強(qiáng)：知識(shí)圖譜在應(yīng)用的過(guò)程中，針對(duì)算法模型的封裝、智能推理、搜索推薦、智能問(wèn)答等多應(yīng)用環(huán)節(jié)都存在一定的技術(shù)壁壘。同時(shí)，由于不同行業(yè)場(chǎng)景的需求不同，知識(shí)圖譜普遍在各行業(yè)落地過(guò)程中存在較大的定制工作量，需要廠商不斷的積累產(chǎn)品能力才能提高產(chǎn)品率，降低定制量;

　　配合不暢：知識(shí)圖譜作為一項(xiàng)無(wú)自身單獨(dú)使用場(chǎng)景的底層技術(shù)，需要技術(shù)人員與業(yè)務(wù)專家以及用戶方進(jìn)行有效配合。知識(shí)圖譜項(xiàng)目很難單獨(dú)依靠廠商自身能力單獨(dú)完成項(xiàng)目。在落地的過(guò)程中，業(yè)務(wù)專家與技術(shù)專家對(duì)于甲方用戶需求的理解、應(yīng)用場(chǎng)景的選擇，都來(lái)源于項(xiàng)目實(shí)施過(guò)程中的配合。用戶、業(yè)務(wù)專家與技術(shù)專家良好的配合將有效促進(jìn)項(xiàng)目落地的使用效果。

　　3.知識(shí)圖譜最佳實(shí)踐案例

　　知識(shí)圖譜已經(jīng)在垂直領(lǐng)域內(nèi)有一定的成功應(yīng)用案例，本報(bào)告總結(jié)在金融行業(yè)、醫(yī)療與醫(yī)藥行業(yè)、政府與公共服務(wù)行業(yè)以及能源與工業(yè)行業(yè)中的六個(gè)最佳實(shí)踐案例。

　　最佳實(shí)踐案例對(duì)于知識(shí)圖譜落地有重要的指導(dǎo)意義，企業(yè)可根據(jù)同行業(yè)內(nèi)最佳實(shí)踐案例制定符合自身業(yè)務(wù)需求的知識(shí)圖譜解決方案，做到快速落地、及時(shí)應(yīng)用。

　　3.1金融行業(yè)最佳實(shí)踐案例

　　3.1.1銀行對(duì)公業(yè)務(wù)營(yíng)銷與風(fēng)控場(chǎng)景最佳實(shí)踐案例

　　對(duì)公業(yè)務(wù)營(yíng)銷與風(fēng)控是銀行的核心業(yè)務(wù)場(chǎng)景之一，但對(duì)公業(yè)務(wù)競(jìng)爭(zhēng)激烈，銀行需要增強(qiáng)事件驅(qū)動(dòng)的商機(jī)洞察能力，及時(shí)抓住營(yíng)銷窗口期。同時(shí)，國(guó)內(nèi)存在大量由企業(yè)連環(huán)擔(dān)保形成的“擔(dān)保圈”，潛在傳導(dǎo)風(fēng)險(xiǎn)大，隨著宏觀經(jīng)濟(jì)不確定性因素的增加，銀行需要增強(qiáng)對(duì)“擔(dān)保圈”企業(yè)關(guān)聯(lián)關(guān)系的洞察能力，從而及時(shí)預(yù)知和抵御風(fēng)險(xiǎn)。

　　知識(shí)圖譜技術(shù)目前已在銀行對(duì)公業(yè)務(wù)營(yíng)銷與風(fēng)控場(chǎng)景有成功應(yīng)用。在幫助銀行構(gòu)建知識(shí)圖譜的過(guò)程中，知識(shí)圖譜廠商應(yīng)具備以下能力：

　　銀行數(shù)據(jù)量巨大，需要廠商具備大規(guī)模知識(shí)圖譜構(gòu)建能力;

　　快速融合銀行內(nèi)外部相關(guān)數(shù)據(jù)，快速構(gòu)建銀行內(nèi)部的知識(shí)圖譜平臺(tái);

　　以知識(shí)圖譜技術(shù)為核心，同時(shí)具備開發(fā)業(yè)務(wù)模型、構(gòu)建客戶標(biāo)簽體系等能力;

　　兼容性強(qiáng)，既可以作為獨(dú)立的知識(shí)圖譜平臺(tái)，又可以與其他平臺(tái)相對(duì)接，對(duì)外輸出知識(shí)。

　　星環(huán)科技拓展知識(shí)圖譜能力，賦能銀行對(duì)公風(fēng)控與營(yíng)銷場(chǎng)景

　　風(fēng)險(xiǎn)管理涉及銀行核心業(yè)務(wù)板塊，但傳統(tǒng)風(fēng)控體系依靠專家規(guī)則與巴賽爾協(xié)議的各項(xiàng)指標(biāo)，指標(biāo)對(duì)于先驗(yàn)的專家規(guī)則存在較強(qiáng)的依賴性，對(duì)于未發(fā)現(xiàn)的異常點(diǎn)無(wú)從下手。

　　同時(shí)，各業(yè)務(wù)子系統(tǒng)中存在海量數(shù)據(jù)，如何在海量數(shù)據(jù)中挖掘有價(jià)值的信息，并進(jìn)行有效的關(guān)聯(lián)融合，打破各業(yè)務(wù)子系統(tǒng)的數(shù)據(jù)孤島問(wèn)題，亟待行方解決。

　　知識(shí)圖譜能夠用數(shù)據(jù)做一系列的衍生類操作，賦能銀行具體業(yè)務(wù)的營(yíng)銷與風(fēng)控。某股份制商業(yè)銀行信息科技部負(fù)責(zé)人表示：“知識(shí)圖譜在金融方面的應(yīng)用主要是在拓客以及風(fēng)險(xiǎn)識(shí)別和反欺詐等領(lǐng)域，這些領(lǐng)域呈現(xiàn)的特點(diǎn)就是對(duì)數(shù)據(jù)大規(guī)模的應(yīng)用，除此之外就是對(duì)圖譜圖算法時(shí)效性以及深層次推理能力有更高的要求。”

　　星環(huán)科技專注于企業(yè)級(jí)容器云計(jì)算、大數(shù)據(jù)和人工智能核心平臺(tái)的產(chǎn)品研發(fā)，為用戶提供一站式、交互式的知識(shí)圖譜構(gòu)建工具，支持圖譜構(gòu)建、知識(shí)存儲(chǔ)、分布式圖譜計(jì)算以及圖譜案例分析。

　　某股份制商業(yè)銀行從2018年開始與星環(huán)科技合作建設(shè)知識(shí)圖譜分析應(yīng)用體系，整體項(xiàng)目建設(shè)主要分為三個(gè)階段：圖譜構(gòu)建、風(fēng)險(xiǎn)傳導(dǎo)算法研發(fā)、3D可視化分析。

　　第一步：完成對(duì)公企業(yè)客戶的知識(shí)圖譜構(gòu)建;

　　第二步：基于已構(gòu)建的對(duì)公企業(yè)知識(shí)圖譜，進(jìn)行風(fēng)險(xiǎn)傳導(dǎo)算法研發(fā)與應(yīng)用;

　　第三步：實(shí)現(xiàn)知識(shí)圖譜的3D可視化分析，對(duì)接各業(yè)務(wù)應(yīng)用平臺(tái)。

　　知識(shí)圖譜平臺(tái)功能主要包括圖譜存儲(chǔ)、圖譜分析、圖譜可視化和圖譜應(yīng)用四個(gè)方面，用于客戶精準(zhǔn)營(yíng)銷、風(fēng)險(xiǎn)防控、運(yùn)營(yíng)優(yōu)化以及管理決策。特別在風(fēng)險(xiǎn)防控方面，借助知識(shí)圖譜平臺(tái)快速建立不同場(chǎng)景風(fēng)控圖譜，借助圖算法分析異常行為;同時(shí)，知識(shí)圖譜平臺(tái)支持信息動(dòng)態(tài)更新以及風(fēng)險(xiǎn)計(jì)算的實(shí)時(shí)調(diào)用。

　　整體知識(shí)圖譜平臺(tái)由存儲(chǔ)計(jì)算層、自動(dòng)化建模層以及決策層組成：

　　存儲(chǔ)計(jì)算層：在存儲(chǔ)計(jì)算層強(qiáng)調(diào)多模態(tài)數(shù)據(jù)的應(yīng)用，目前是包含四類的數(shù)據(jù)庫(kù)，其中最主要就是圖數(shù)據(jù)庫(kù)，來(lái)支持知識(shí)圖譜的存儲(chǔ)和計(jì)算;

　　自動(dòng)化建模層：在自動(dòng)化建模層主要提供四大能力的支撐，第一項(xiàng)能力是搭建金融領(lǐng)域的本體庫(kù)，第二項(xiàng)能力是在自動(dòng)化建模平臺(tái)上進(jìn)行有效圖譜的融合，實(shí)現(xiàn)圖數(shù)據(jù)和本體進(jìn)行有效的連接。第三項(xiàng)能力是圖算法的分析能力。第四項(xiàng)能力是提供整個(gè)知識(shí)圖譜模型的調(diào)度以及監(jiān)控的能力;

　　決策層：重點(diǎn)是往四個(gè)方向去輸出知識(shí)圖譜的應(yīng)用：精準(zhǔn)營(yíng)銷、風(fēng)險(xiǎn)防控、業(yè)務(wù)優(yōu)化以及管理決策。

　　知識(shí)圖譜平臺(tái)的價(jià)值體現(xiàn)在四個(gè)方面：

　　平臺(tái)構(gòu)建完成企業(yè)關(guān)聯(lián)關(guān)系圖譜，涵蓋銀行客戶千萬(wàn)個(gè)實(shí)體與實(shí)體之間的關(guān)系，并提供八大類關(guān)系檢索(法人、實(shí)控、集團(tuán)、任職、擔(dān)保、投資、股東、交易關(guān)系)。目前平臺(tái)此項(xiàng)功能應(yīng)用于新客的拓展以及集團(tuán)關(guān)系認(rèn)定等業(yè)務(wù)場(chǎng)景中;

　　實(shí)際計(jì)算中，單個(gè)風(fēng)險(xiǎn)點(diǎn)出發(fā)計(jì)算全局的風(fēng)險(xiǎn)值時(shí)間控制在1~4min;

　　平臺(tái)實(shí)現(xiàn)基于自然語(yǔ)言查詢的3D交互知識(shí)圖譜應(yīng)用，支持用戶以自然語(yǔ)言輸出查詢的方式進(jìn)行圖上檢索，降低圖數(shù)據(jù)的應(yīng)用門檻，方便總行業(yè)務(wù)人員以及分行的分析人員使用;

　　平臺(tái)實(shí)現(xiàn)企業(yè)風(fēng)險(xiǎn)傳導(dǎo)的3D圖譜應(yīng)用，實(shí)現(xiàn)企業(yè)風(fēng)險(xiǎn)在集團(tuán)內(nèi)部或者企業(yè)內(nèi)部的動(dòng)態(tài)穿透的分析能力。同時(shí)，對(duì)于分析人員，3D圖譜相較于2D平面圖譜有高幾十倍的點(diǎn)邊展示能力，且具有較強(qiáng)的解釋性，既可以展示企業(yè)風(fēng)險(xiǎn)分又可展示動(dòng)態(tài)風(fēng)險(xiǎn)傳播路徑。

　　3.1.2銀行零售業(yè)務(wù)營(yíng)銷與風(fēng)控場(chǎng)景最佳實(shí)踐案例

　　零售業(yè)務(wù)營(yíng)銷與風(fēng)控是銀行的核心業(yè)務(wù)場(chǎng)景之一。在實(shí)際的業(yè)務(wù)場(chǎng)景中，用戶需求日益?zhèn)€性化、多元化，銀行需要增強(qiáng)用戶群體的數(shù)據(jù)洞察能力，挖掘用戶真實(shí)需求，并需要基于數(shù)據(jù)分析進(jìn)行產(chǎn)品設(shè)計(jì)、渠道選擇和營(yíng)銷策劃，實(shí)現(xiàn)千人千面，從而精準(zhǔn)觸達(dá)用戶;同時(shí)，零售業(yè)務(wù)是存量市場(chǎng)的競(jìng)爭(zhēng)，銀行需要批量拓展消費(fèi)端場(chǎng)景，增強(qiáng)場(chǎng)景獲客能力;在零售信貸申請(qǐng)、交易、支付等環(huán)節(jié)中，對(duì)欺詐風(fēng)險(xiǎn)的抵御至關(guān)重要。

　　知識(shí)圖譜技術(shù)目前已在銀行零售業(yè)務(wù)營(yíng)銷與風(fēng)控場(chǎng)景有成功應(yīng)用。在幫助銀行構(gòu)建知識(shí)圖譜的過(guò)程中，知識(shí)圖譜廠商應(yīng)具備以下能力：

　　零售業(yè)務(wù)線眾多，包含信用卡、貸款、理財(cái)、儲(chǔ)蓄等，要求廠商具備跨渠道、跨業(yè)務(wù)打通數(shù)據(jù)的能力，不僅對(duì)各個(gè)業(yè)務(wù)線有高度的理解，還要具備良好的服務(wù)意識(shí);

　　以知識(shí)圖譜技術(shù)為核心，同時(shí)具備開發(fā)業(yè)務(wù)模型、構(gòu)建客戶標(biāo)簽體系等能力;

　　在項(xiàng)目實(shí)施過(guò)程中需要配備經(jīng)驗(yàn)豐富的業(yè)務(wù)專家、算法專家和數(shù)據(jù)專家;

　　兼容性強(qiáng)，既可以作為獨(dú)立的知識(shí)圖譜平臺(tái)，又可以與其他平臺(tái)相對(duì)接，對(duì)外輸出知識(shí)。

　　以知識(shí)圖譜為動(dòng)能，海致星圖賦能零售風(fēng)控與營(yíng)銷

　　某股份制商業(yè)銀行作為國(guó)內(nèi)金融科技實(shí)踐的先驅(qū)，為提升數(shù)據(jù)價(jià)值不斷進(jìn)行積極的探索。 目前已取得一定應(yīng)用成果。

　　某股份制商業(yè)銀行信用卡中心客戶經(jīng)理需要每天關(guān)注手上數(shù)十家客戶的風(fēng)險(xiǎn)信息，更需要不斷的挖掘轄區(qū)內(nèi)優(yōu)質(zhì)潛在客戶的營(yíng)銷機(jī)會(huì)。而這些風(fēng)險(xiǎn)和營(yíng)銷的信號(hào)散落在行內(nèi)外以及互聯(lián)網(wǎng)各處，靠客戶經(jīng)理個(gè)人能力不僅很難覆蓋，而且成本越來(lái)越高。

　　同時(shí)，由于企業(yè)間的復(fù)雜關(guān)系網(wǎng)絡(luò)，營(yíng)銷機(jī)會(huì)與風(fēng)險(xiǎn)信息的傳導(dǎo)更難以捕獲。營(yíng)銷機(jī)會(huì)流失的同時(shí)背后的風(fēng)險(xiǎn)也日益凸顯。

　　某股份制商業(yè)銀行信用卡中心通過(guò)構(gòu)建知識(shí)圖譜平臺(tái)，打通零售業(yè)務(wù)場(chǎng)景下客戶從申請(qǐng)到貸后的全流程數(shù)據(jù)，建立零售客戶全業(yè)務(wù)周期畫像、客戶關(guān)系畫像，可以使銀行在縮短營(yíng)銷周期、降低營(yíng)銷成本的同時(shí)確保風(fēng)險(xiǎn)可控。

　　海致星圖是一家致力于利用機(jī)器學(xué)習(xí)、知識(shí)圖譜等人工智能前沿技術(shù)，為金融領(lǐng)域提供專屬的數(shù)據(jù)、技術(shù)及業(yè)務(wù)解決方案的大數(shù)據(jù)公司，在金融行業(yè)大數(shù)據(jù)與人工智能應(yīng)用領(lǐng)域，有著豐富的經(jīng)驗(yàn)與廣泛的成功案例。

　　某股份制商業(yè)銀行信用卡中心與海致星圖合作，構(gòu)建卡中心級(jí)支持多場(chǎng)景應(yīng)用的知識(shí)圖譜平臺(tái)。平臺(tái)基于數(shù)據(jù)處理，實(shí)現(xiàn)關(guān)系圖譜的實(shí)時(shí)可視化事務(wù)查詢、基于知識(shí)圖譜的各類標(biāo)簽輸出與圖挖掘功能。

　　同時(shí)，知識(shí)圖譜平臺(tái)與各業(yè)務(wù)系統(tǒng)對(duì)接以支撐業(yè)務(wù)部門應(yīng)用，各部門在平臺(tái)上構(gòu)建專屬圖模型，包括社群檢測(cè)、親密度評(píng)分、貸后失聯(lián)修復(fù)、社交網(wǎng)絡(luò)特征提取等，進(jìn)一步實(shí)現(xiàn)客戶關(guān)系挖掘營(yíng)銷與風(fēng)險(xiǎn)控制。

　　某股份制商業(yè)銀行信用卡中心在構(gòu)建知識(shí)圖譜平臺(tái)過(guò)程中，對(duì)接全行30億+實(shí)體數(shù)據(jù)與120億+條關(guān)系邊數(shù)據(jù)，涉及16類實(shí)體、18種基礎(chǔ)關(guān)系和28種挖掘類關(guān)系。平臺(tái)整合內(nèi)外部數(shù)據(jù)，構(gòu)建企業(yè)間錯(cuò)綜復(fù)雜的業(yè)務(wù)、控制、擔(dān)保等關(guān)系，實(shí)現(xiàn)風(fēng)險(xiǎn)與營(yíng)銷信號(hào)在關(guān)系網(wǎng)絡(luò)傳導(dǎo)識(shí)別，服務(wù)業(yè)務(wù)應(yīng)用。

　　某股份制銀行信用卡中心與海致星圖合作的知識(shí)圖譜平臺(tái)價(jià)值體現(xiàn)在四個(gè)方面：

　　銀行信用卡催收中心日常催收搜尋工作時(shí)長(zhǎng)縮短25%，有效挖掘并修復(fù)的失聯(lián)客戶數(shù)提高23%;偽冒偵測(cè)中心有效識(shí)別了疑似欺詐團(tuán)伙800余起，環(huán)比提升超過(guò)20%;

　　信用卡中心基于平臺(tái)進(jìn)行批量發(fā)卡營(yíng)銷部門的客戶觸達(dá)數(shù)環(huán)比提高18%;

　　信用卡中心基于平臺(tái)進(jìn)行了關(guān)聯(lián)營(yíng)銷潛客名單挖掘、行業(yè)營(yíng)銷價(jià)值評(píng)估、上下游企業(yè)商機(jī)傳導(dǎo)等業(yè)務(wù)實(shí)踐，并進(jìn)行了集團(tuán)派系的構(gòu)建和劃分;

　　信用卡中心基于平臺(tái)的算法與業(yè)務(wù)模型，先后進(jìn)行了互保企業(yè)違約傳導(dǎo)分析、授信資金異常形態(tài)識(shí)別、擔(dān)保(圈、鏈、網(wǎng)絡(luò))高風(fēng)險(xiǎn)節(jié)點(diǎn)識(shí)別、擔(dān)保違約風(fēng)險(xiǎn)預(yù)測(cè)等應(yīng)用。

　　3.1.3金融行業(yè)領(lǐng)域知識(shí)庫(kù)最佳實(shí)踐案例

　　金融機(jī)構(gòu)內(nèi)部在業(yè)務(wù)運(yùn)行過(guò)程中累積了大量的知識(shí)與經(jīng)驗(yàn)，這些知識(shí)與經(jīng)驗(yàn)存在于領(lǐng)域?qū)＜夷X中或技術(shù)文檔中，難以得到有效利用，很多金融機(jī)構(gòu)嘗試使用知識(shí)管理系統(tǒng)，但知識(shí)管理系統(tǒng)中的知識(shí)與知識(shí)之間存在信息孤島，沒(méi)有建立知識(shí)之間的聯(lián)系，知識(shí)的管理維護(hù)、更新升級(jí)等也都存在問(wèn)題。

　　在實(shí)際的業(yè)務(wù)場(chǎng)景中，將領(lǐng)域知識(shí)庫(kù)與實(shí)際業(yè)務(wù)相結(jié)合，可以有效的降低業(yè)務(wù)的上手難度，提高工作效率，同時(shí)將工作人員在重復(fù)的勞動(dòng)中解放。知識(shí)圖譜技術(shù)目前已在金融領(lǐng)域知識(shí)庫(kù)的業(yè)務(wù)場(chǎng)景有成功應(yīng)用。在幫助銀行構(gòu)建知識(shí)圖譜的過(guò)程中，知識(shí)圖譜廠商應(yīng)具備以下能力：

　　搭建全公司級(jí)別的知識(shí)庫(kù)或知識(shí)中臺(tái)涉及到的數(shù)據(jù)量巨大，需要廠商具備大規(guī)模知識(shí)圖譜平臺(tái)搭建能力;

　　知識(shí)庫(kù)或知識(shí)中臺(tái)要支撐上層多業(yè)務(wù)部門的應(yīng)用，要求廠商搭建的知識(shí)圖譜平臺(tái)組件足夠靈活;

　　在項(xiàng)目實(shí)施過(guò)程中廠商需要配備經(jīng)驗(yàn)豐富的業(yè)務(wù)專家、算法專家和數(shù)據(jù)專家;

　　兼容性強(qiáng)，既可以作為獨(dú)立的知識(shí)圖譜平臺(tái)，又可以與其他平臺(tái)相對(duì)接，對(duì)外輸出知識(shí);

　　各個(gè)金融機(jī)構(gòu)對(duì)知識(shí)庫(kù)或知識(shí)中臺(tái)的需求存在差異，廠商需具備定制化改造的能力，同時(shí)具備良好的服務(wù)意識(shí);

　　除了知識(shí)圖譜技術(shù)以外，廠商還需要具備自然語(yǔ)言處理、圖計(jì)算等技術(shù)能力。

　　一覽群智助力某國(guó)有銀行上線智能審單專家系統(tǒng)

　　某大型國(guó)有銀行是國(guó)內(nèi)領(lǐng)先的銀行業(yè)機(jī)構(gòu)。單證業(yè)務(wù)中心是銀行重要的業(yè)務(wù)部門。但實(shí)際銀行單證業(yè)務(wù)是一個(gè)對(duì)專業(yè)性要求較高的復(fù)雜繁瑣工作，由于日常工作量較大，導(dǎo)致單證業(yè)務(wù)中心工作人員壓力較大、單證業(yè)務(wù)中心運(yùn)營(yíng)成本較高等諸多問(wèn)題。

　　傳統(tǒng)單證業(yè)務(wù)痛點(diǎn)可總結(jié)為以下四方面：

　　成本高：例如跟單信用證、托收等具體的業(yè)務(wù)都涉及到對(duì)客戶交單的處理。在信用證的業(yè)務(wù)流程中，單證審核員都要對(duì)單據(jù)進(jìn)行人工審核。由于單證都為英文、且專業(yè)性很強(qiáng)，所以對(duì)單證審核員要求較高，導(dǎo)致單證中心運(yùn)營(yíng)成本較高;

　　經(jīng)驗(yàn)要求高：業(yè)務(wù)方面的人才培養(yǎng)周期長(zhǎng)，對(duì)于業(yè)務(wù)不熟練的新手不但審單效率更低，而且難免會(huì)出現(xiàn)各種錯(cuò)誤，需要有經(jīng)驗(yàn)的審單員協(xié)助與復(fù)查。

　　效率低：在單據(jù)方面由于種類較多，審核過(guò)程復(fù)雜，所以一個(gè)訓(xùn)練有素的單證審核人員一天也只能處理幾筆業(yè)務(wù)，效率低下;

　　工作壓力大：單證業(yè)務(wù)中心作為單證的集中處理中心，日常工作量大，同時(shí)由于審核流程較復(fù)雜等諸多原因，導(dǎo)致工作人員日常工作壓力大。

　　面對(duì)業(yè)務(wù)中的痛點(diǎn)需求，某大型國(guó)有銀行選擇與一覽群智進(jìn)行合作，基于知識(shí)圖譜等人工智能技術(shù)，共同打造智能審單專家系統(tǒng)。

　　一覽群智以自然語(yǔ)言處理和知識(shí)圖譜等認(rèn)知智能技術(shù)為基礎(chǔ)，為客戶提供一站式AI產(chǎn)品和行業(yè)解決方案，滿足企業(yè)在超大規(guī)模多源異構(gòu)情況下的數(shù)據(jù)治理融合、不同場(chǎng)景下的AI建模和復(fù)雜決策分析需求。

　　一覽群智打造的智能審核專家系統(tǒng)通過(guò)ICR識(shí)別票據(jù)并結(jié)構(gòu)化業(yè)務(wù)信息;通過(guò)機(jī)器學(xué)習(xí)和自然語(yǔ)言處理進(jìn)行業(yè)務(wù)分類并理解其含義;利用知識(shí)圖譜構(gòu)建自動(dòng)審核引擎。系統(tǒng)具備完整的功能及流程。

　　在實(shí)際的業(yè)務(wù)場(chǎng)景中，將領(lǐng)域知識(shí)庫(kù)與實(shí)際業(yè)務(wù)相結(jié)合，可以有效的降低業(yè)務(wù)的上手難度，提高工作效率，同時(shí)將工作人員在重復(fù)的勞動(dòng)中解放。

　　某大型國(guó)有銀行與一覽群智進(jìn)行合作構(gòu)建的智能審單專家系統(tǒng)優(yōu)勢(shì)體現(xiàn)為：

　　業(yè)務(wù)系統(tǒng)信息自動(dòng)填寫：系統(tǒng)將自動(dòng)識(shí)別業(yè)務(wù)信息并在業(yè)務(wù)系統(tǒng)填寫，免除人工操作;

　　智能預(yù)審+多層級(jí)人機(jī)協(xié)同機(jī)制：機(jī)器自動(dòng)給出單據(jù)及業(yè)務(wù)不符點(diǎn)和免查點(diǎn)，大幅提升人員效率，減輕審單壓力;

　　創(chuàng)新的審核知識(shí)圖譜構(gòu)架：發(fā)揚(yáng)圖譜可視化、強(qiáng)關(guān)系表示的優(yōu)點(diǎn)，全面理解并監(jiān)控審核動(dòng)作;

　　線下工作轉(zhuǎn)線上：將原本線下的審核工作轉(zhuǎn)移到系統(tǒng)中進(jìn)行約束，統(tǒng)一審核標(biāo)準(zhǔn)，保證審核質(zhì)量，加強(qiáng)合規(guī)性管理;

　　數(shù)據(jù)資產(chǎn)增值：將原本無(wú)法存留的發(fā)票信息、合同信息等進(jìn)行結(jié)構(gòu)化，通過(guò)挖掘數(shù)據(jù)價(jià)值，為營(yíng)銷/運(yùn)營(yíng)/風(fēng)控等領(lǐng)域提供決策支撐。

　　3.2能源與工業(yè)行業(yè)最佳實(shí)踐案例

　　能源與工業(yè)行業(yè)領(lǐng)域知識(shí)庫(kù)最佳實(shí)踐案例

　　作為勞動(dòng)密集型企業(yè)，能源企業(yè)吸收大量勞動(dòng)資源，但能源行業(yè)業(yè)務(wù)復(fù)雜，諸多環(huán)節(jié)積累大量知識(shí)，面臨知識(shí)難以積累、人員培訓(xùn)難度大等痛點(diǎn)。能源企業(yè)需要快速建立領(lǐng)域知識(shí)庫(kù);同時(shí)，面對(duì)能源行業(yè)的業(yè)務(wù)挑戰(zhàn)，企業(yè)需求將數(shù)據(jù)形成知識(shí)，創(chuàng)建支持上層業(yè)務(wù)應(yīng)用的領(lǐng)域知識(shí)庫(kù)，在輔助業(yè)務(wù)應(yīng)用的同時(shí)進(jìn)行相應(yīng)的知識(shí)積累。員工可通過(guò)知識(shí)庫(kù)快速獲取知識(shí)，降低培訓(xùn)與研發(fā)成本;利用知識(shí)圖譜技術(shù)，企業(yè)可打通底層數(shù)據(jù)，將行業(yè)知識(shí)整合，建立領(lǐng)域知識(shí)庫(kù)，形成企業(yè)知識(shí)中臺(tái)，賦能上層業(yè)務(wù)應(yīng)用。

　　知識(shí)圖譜技術(shù)目前已在能源與工業(yè)行業(yè)領(lǐng)域知識(shí)庫(kù)的業(yè)務(wù)場(chǎng)景有成功應(yīng)用。在幫助能源與工業(yè)企業(yè)構(gòu)建知識(shí)圖譜的過(guò)程中，知識(shí)圖譜廠商應(yīng)具備以下能力：

　　能源與工業(yè)行業(yè)具有海量數(shù)據(jù)，需要廠商具備大規(guī)模知識(shí)圖譜構(gòu)建能力;

　　能源與工業(yè)行業(yè)模型計(jì)算復(fù)雜度較高，需要廠商在行業(yè)內(nèi)有一定模型積累;

　　企業(yè)針對(duì)生產(chǎn)與加工流程等場(chǎng)景構(gòu)造與業(yè)務(wù)相關(guān)的復(fù)雜關(guān)系網(wǎng)絡(luò)時(shí)，需要知識(shí)圖譜廠商具備較強(qiáng)技術(shù)能力以及具有一定行業(yè)知識(shí)積累;

　　由于能源行業(yè)發(fā)展時(shí)間較早，系統(tǒng)部署情況復(fù)雜，要求廠商的知識(shí)圖譜平臺(tái)應(yīng)具備較好的兼容性，能夠快速完成平臺(tái)對(duì)接工作。

　　明略科技助力國(guó)內(nèi)某省電力數(shù)據(jù)中臺(tái)創(chuàng)新應(yīng)用

　　國(guó)網(wǎng)某省電力公司，是國(guó)家電網(wǎng)有限公司的全資子公司，擔(dān)負(fù)某省電力供應(yīng)的重大責(zé)任。公司積極開展智能電網(wǎng)建設(shè)，將人工智能與大數(shù)據(jù)技術(shù)賦能實(shí)際業(yè)務(wù)場(chǎng)景。

　　智能電網(wǎng)建設(shè)是智慧城市建設(shè)的重要組成部分，但由于電力行業(yè)屬性較強(qiáng)，在數(shù)字化以及智能化轉(zhuǎn)型的過(guò)程中，在數(shù)據(jù)層面存在諸多問(wèn)題：

　　各部門形成數(shù)據(jù)孤島，在應(yīng)用建設(shè)過(guò)程中難以進(jìn)行有效的數(shù)據(jù)互聯(lián);

　　各部門數(shù)據(jù)無(wú)統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)，包括用戶數(shù)據(jù)、營(yíng)銷部門和設(shè)備部門數(shù)據(jù)，存在數(shù)據(jù)收集困難和分類不統(tǒng)一等問(wèn)題;

　　各部門數(shù)據(jù)對(duì)接存在不對(duì)應(yīng)問(wèn)題：如用戶數(shù)據(jù)和設(shè)備需要對(duì)接，但會(huì)存在數(shù)據(jù)和設(shè)備不對(duì)應(yīng)問(wèn)題;

　　電力行業(yè)作為技術(shù)密集型行業(yè)，在各環(huán)節(jié)存在大量知識(shí)，需要有效途徑對(duì)各場(chǎng)景內(nèi)知識(shí)進(jìn)行管理;

　　海量復(fù)雜數(shù)據(jù)情況下，數(shù)據(jù)實(shí)時(shí)性、數(shù)據(jù)打通以及更便捷地提取數(shù)據(jù)就會(huì)成為問(wèn)題。

　　針對(duì)諸多的業(yè)務(wù)挑戰(zhàn)，國(guó)網(wǎng)某省電力公司與明略科技合作建立統(tǒng)一的數(shù)據(jù)中臺(tái)，先做好數(shù)據(jù)治理與關(guān)聯(lián)工作，再將數(shù)據(jù)中臺(tái)的成果服務(wù)于業(yè)務(wù)應(yīng)用環(huán)節(jié)。

　　明略科技是中國(guó)領(lǐng)先的數(shù)據(jù)中臺(tái)和企業(yè)智能決策平臺(tái)提供商，致力于通過(guò)大數(shù)據(jù)分析挖掘和認(rèn)知智能技術(shù)，推動(dòng)知識(shí)和管理復(fù)雜度高的大中型企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型。

　　國(guó)網(wǎng)某省電力公司與明略科技對(duì)數(shù)據(jù)中臺(tái)項(xiàng)目進(jìn)行有效的拆解，進(jìn)行“三步走”戰(zhàn)略：

　　第一步，完成基于數(shù)倉(cāng)的基本模型建立;

　　第二步，初步實(shí)現(xiàn)數(shù)據(jù)中臺(tái)與主要業(yè)務(wù)系統(tǒng)的系統(tǒng)對(duì)接、數(shù)據(jù)共享與數(shù)據(jù)服務(wù)，同時(shí)探索在某些業(yè)務(wù)場(chǎng)景(設(shè)備故障知識(shí)圖譜、配網(wǎng)調(diào)度機(jī)器人)等領(lǐng)域進(jìn)行業(yè)務(wù)應(yīng)用建設(shè);

　　第三步，完成數(shù)據(jù)中臺(tái)建設(shè)，實(shí)現(xiàn)公司整體的數(shù)據(jù)管理、數(shù)據(jù)分析與數(shù)據(jù)分享。

　　國(guó)網(wǎng)某省電力公司數(shù)據(jù)中臺(tái)的建設(shè)核心主要體現(xiàn)在七大方面：數(shù)據(jù)匯聚、數(shù)據(jù)加工處理、數(shù)據(jù)治理管控、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析、數(shù)據(jù)共享與數(shù)據(jù)應(yīng)用。國(guó)網(wǎng)某省電力公司在構(gòu)建中臺(tái)的過(guò)程中，先實(shí)現(xiàn)數(shù)據(jù)中臺(tái)基礎(chǔ)能力，搭建整個(gè)企業(yè)的設(shè)備知識(shí)與業(yè)務(wù)模型中心。在搭建完中臺(tái)能力后，在此基礎(chǔ)上進(jìn)行業(yè)務(wù)應(yīng)用開發(fā)，循序漸進(jìn)地推動(dòng)項(xiàng)目向前。數(shù)據(jù)中臺(tái)架構(gòu)如下圖所示：

　　國(guó)網(wǎng)某省電力公司與明略科技合作搭建的數(shù)據(jù)中臺(tái)價(jià)值體現(xiàn)在四個(gè)方面：

　　數(shù)據(jù)匯聚層面：基于數(shù)據(jù)中臺(tái)的搭建，實(shí)現(xiàn)線上數(shù)據(jù)實(shí)時(shí)采集、線下數(shù)據(jù)上傳及導(dǎo)入，并監(jiān)控、優(yōu)化數(shù)據(jù)流轉(zhuǎn)與工作鏈路;其中，針對(duì)電網(wǎng)類數(shù)據(jù)，完成生產(chǎn)管理、電力調(diào)度管理等15套業(yè)務(wù)系統(tǒng)數(shù)據(jù)采集;針對(duì)營(yíng)銷類數(shù)據(jù)，營(yíng)銷業(yè)務(wù)應(yīng)用、用電信息采集等20套業(yè)務(wù)系統(tǒng)數(shù)據(jù)采集;針對(duì)經(jīng)營(yíng)類數(shù)據(jù)，完成財(cái)務(wù)管控、規(guī)劃計(jì)劃、電網(wǎng)建設(shè)、全員績(jī)效、員工報(bào)銷等118套業(yè)務(wù)系統(tǒng)數(shù)據(jù)采集;

　　核心資源標(biāo)準(zhǔn)庫(kù)層面：結(jié)合CIM模型與維度建模方法，基于9大數(shù)據(jù)域(人員域、財(cái)務(wù)域、物資域、客戶域、設(shè)備域、供應(yīng)商域、項(xiàng)目域、合同域、公共域)完成企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)建設(shè)，建立數(shù)據(jù)資源目錄，形成數(shù)據(jù)共享能力;

　　數(shù)據(jù)共享層面：基于核心資源標(biāo)準(zhǔn)庫(kù)，向下屬地市公司和科研單位，高質(zhì)量共享數(shù)據(jù)資源，支撐各類業(yè)務(wù)快速構(gòu)建、敏捷創(chuàng)新;

　　數(shù)據(jù)應(yīng)用層面：基于數(shù)據(jù)中臺(tái)，完成設(shè)備故障知識(shí)圖譜、配網(wǎng)調(diào)度機(jī)器人等應(yīng)用建設(shè)，并繼續(xù)探索在實(shí)際業(yè)務(wù)場(chǎng)景中的應(yīng)用。在基于故障知識(shí)圖譜的維修助手場(chǎng)景中，明略科 技幫助客戶將故障信息搜索匯總時(shí)間從10分鐘降低到1分鐘內(nèi)，且能實(shí)現(xiàn)遠(yuǎn)程技術(shù)支持。

　　同時(shí)，在項(xiàng)目的構(gòu)建過(guò)程中，國(guó)網(wǎng)某省電力公司與明略科技積極配合，總結(jié)兩點(diǎn)關(guān)鍵成功要素，對(duì)其他用戶有一定的參考價(jià)值：

　　由于電力行業(yè)的特殊性，其他行業(yè)知識(shí)圖譜廠商或者大數(shù)據(jù)廠商難以在電力行業(yè)有效地復(fù)制其他行業(yè)的成功案例。甲方用戶在考察廠商時(shí)，應(yīng)注重廠商在電力行業(yè)的案例背書和復(fù)雜電力數(shù)據(jù)場(chǎng)景下的治理、分析能力;

　　電力行業(yè)知識(shí)圖譜以及數(shù)據(jù)中臺(tái)的建設(shè)難以一蹴而就，需要較長(zhǎng)期的投入，在項(xiàng)目進(jìn)行之前，需對(duì)各階段項(xiàng)目目標(biāo)進(jìn)行合理預(yù)期。

　　3.3醫(yī)療與醫(yī)藥行業(yè)最佳實(shí)踐案例

　　醫(yī)院智能導(dǎo)診最佳實(shí)踐案例

　　患者去醫(yī)院就診時(shí)，經(jīng)常會(huì)遇到“知癥不知病”、“知病不知科”的問(wèn)題，現(xiàn)有的導(dǎo)診方式一般為人工導(dǎo)診或基于關(guān)鍵詞的導(dǎo)診系統(tǒng)，導(dǎo)診的效率和效果有待提升;智能導(dǎo)診雖然是診療過(guò)程中的一個(gè)輔助環(huán)節(jié)，但對(duì)強(qiáng)化醫(yī)院內(nèi)部管理、協(xié)調(diào)醫(yī)療資源、提升患者就醫(yī)體驗(yàn)、提高醫(yī)療質(zhì)量，具有明顯的優(yōu)化作用;為患者提供精準(zhǔn)的智能導(dǎo)診服務(wù)，不僅可以為患者快速找到合適的科室和合適的醫(yī)生，減少患者就診時(shí)間，同時(shí)可以緩解醫(yī)務(wù)人員工作壓力、促進(jìn)醫(yī)療資源合理配置;

　　知識(shí)圖譜技術(shù)目前已在智能導(dǎo)診的業(yè)務(wù)場(chǎng)景有成功應(yīng)用。在幫助醫(yī)院構(gòu)建知識(shí)圖譜的過(guò)程中，知識(shí)圖譜廠商應(yīng)具備以下能力：

　　醫(yī)療是典型以多源異構(gòu)數(shù)據(jù)為主的行業(yè)，數(shù)據(jù)融合在醫(yī)療應(yīng)用場(chǎng)景中更加復(fù)雜，需要廠商具備較強(qiáng)的數(shù)據(jù)治理能力;

　　醫(yī)院對(duì)智能導(dǎo)診系統(tǒng)的疾病判斷準(zhǔn)確率、醫(yī)生推薦準(zhǔn)確率和體驗(yàn)度的要求較高，要求廠商不但技術(shù)實(shí)力強(qiáng)，在醫(yī)療領(lǐng)域know-how的積累更加重要;

　　各個(gè)醫(yī)院科室劃分、職能劃分和醫(yī)生資源分布情況不同，要求廠商的定制化能力較強(qiáng)，具備良好的服務(wù)意識(shí)。

　　基于知識(shí)圖譜，深睿醫(yī)療創(chuàng)新“肝膽胰睿助” 智能問(wèn)診服務(wù)

　　中國(guó)人民解放軍總醫(yī)院是一家集醫(yī)療、保健、教學(xué)、科研為一體的大型三甲醫(yī)院，日接待患者量巨大，醫(yī)護(hù)人員工作繁忙。

　　中國(guó)人民解放軍總醫(yī)院肝膽胰腫瘤外科包括肝膽病區(qū)和胰腺病區(qū)，是以肝膽胰腫瘤的診斷、手術(shù)治療和科研為主要方向的科室。肝膽胰腫瘤外科作為醫(yī)院重要的科室，具有日常問(wèn)診量大、手術(shù)量大、復(fù)診量大，同時(shí)部分患者長(zhǎng)期住院接受治療等特點(diǎn)，導(dǎo)致肝膽胰腫瘤外科醫(yī)護(hù)人員工作壓力較大。

　　深睿醫(yī)療聯(lián)合鵬城實(shí)驗(yàn)室、解放軍總醫(yī)院劉榮主任、哈爾濱工業(yè)大學(xué)、北京大學(xué)、道子科技、云孚科技等機(jī)構(gòu)共同推出“肝膽胰睿助”(簡(jiǎn)稱：小睿)產(chǎn)品?；诤Ａ繑?shù)據(jù)、構(gòu)建醫(yī)療知識(shí)圖譜，為醫(yī)生和患者提供覆蓋診前、診中、診后的數(shù)字化、智能化服務(wù)，旨在有效降低醫(yī)護(hù)人員工作壓力，提高診斷效率，同時(shí)為患者提供疾病知識(shí)，讓患者了解相關(guān)病情。

　　深睿醫(yī)療通過(guò)計(jì)算機(jī)視覺(jué)、知識(shí)圖譜等AI技術(shù)以及自主研發(fā)的核心算法，為國(guó)內(nèi)外醫(yī)療服務(wù)機(jī)構(gòu)提供基于人工智能和互聯(lián)網(wǎng)醫(yī)療的解決方案。

　　實(shí)際使用過(guò)程中，患者掃描報(bào)到機(jī)旁的二維碼，打開小程序“肝膽胰睿助”，通過(guò)一問(wèn)一答的人機(jī)對(duì)話，完成自己病情的陳述，“肝膽胰睿助”則根據(jù)人機(jī)對(duì)話生成電子病歷，以便醫(yī)生查看?；颊唠x開診室后，還能向這位“肝膽胰睿助”咨詢疾病問(wèn)題。

　　“肝膽胰睿助” 基于海量的數(shù)據(jù)、構(gòu)建醫(yī)療知識(shí)圖譜，結(jié)合人工智能技術(shù)，建立虛擬醫(yī)生問(wèn)診模型，根據(jù)患者癥狀進(jìn)行鑒別問(wèn)診追問(wèn)，最終生成一份符合門診病歷要求的病情總結(jié)，將醫(yī)生從撰寫病歷的時(shí)間解脫出來(lái)，從而與病患進(jìn)行更為深入的病情溝通，整體提升問(wèn)診效率及質(zhì)量。

　　“肝膽胰睿助”在研發(fā)階段收集互聯(lián)網(wǎng)肝膽胰腫瘤患者數(shù)十萬(wàn)的提問(wèn)，整理出患者最關(guān)心的問(wèn)題，利用哈爾濱工業(yè)大學(xué)的語(yǔ)言技術(shù)平臺(tái)LTP和大詞林等技術(shù)將問(wèn)題進(jìn)行聚類，形成相關(guān)問(wèn)題簇，最終交由中國(guó)人民解放軍總醫(yī)院肝膽胰腫瘤外科劉榮主任團(tuán)隊(duì)進(jìn)行編輯對(duì)應(yīng)回答，耗時(shí)2個(gè)月，從而達(dá)到95%問(wèn)題覆蓋率，從而保證了患者能搜其想看，并且保證能回答的準(zhǔn)確性。

　　中國(guó)人民解放軍總醫(yī)院肝膽胰腫瘤外科應(yīng)用“肝膽胰睿助”的價(jià)值主要體現(xiàn)在以下三大方面：

　　提高問(wèn)診效率，在患者候診時(shí)進(jìn)行鑒別問(wèn)診，有效減少醫(yī)生撰寫病歷時(shí)間;

　　“肝膽胰睿助”支持患者答疑，解決患者問(wèn)診后咨詢難的問(wèn)題。同時(shí)，提供患者更多醫(yī)學(xué)知識(shí)，包括解答術(shù)前、術(shù)后、不良反應(yīng)等問(wèn)題，加深患者病情了解，降低患者恐懼感，提高患者依從性;

　　支持隨訪功能，醫(yī)生了解患者健康情況，同時(shí)患者向醫(yī)生報(bào)告身體狀況的可疑變化，及時(shí)防范病癥復(fù)發(fā)。

　　3.4政府與公共服務(wù)行業(yè)最佳實(shí)踐案例

　　公安行業(yè)最佳實(shí)踐案例

　　目前公安行業(yè)的智能化應(yīng)用主要停留在感知智能，強(qiáng)調(diào)前端數(shù)據(jù)的采集以及后端視頻解析能力，認(rèn)知智能的應(yīng)用推廣有限，導(dǎo)致公安數(shù)據(jù)信息規(guī)模龐大、數(shù)據(jù)復(fù)雜。辦案人員需要將海量數(shù)據(jù)快速抽取成知識(shí)，發(fā)現(xiàn)有用信息;違法犯罪活動(dòng)本身具備隱蔽性、團(tuán)伙性等特征，在技術(shù)高速發(fā)展的背景下，又呈現(xiàn)出網(wǎng)絡(luò)化、智能化、復(fù)雜化等新特征，增加了公安人員的辦案難度。面對(duì)當(dāng)前的公安業(yè)務(wù)新挑戰(zhàn)，公安部門推動(dòng)公安系統(tǒng)智能化改造，打破系統(tǒng)原有信息孤島，挖掘潛在隱藏信息，分析關(guān)聯(lián)關(guān)系，形成知識(shí)網(wǎng)絡(luò)，通過(guò)技術(shù)手段支撐“人、事、地、物、組織”等刑偵關(guān)鍵要素。

　　知識(shí)圖譜技術(shù)已應(yīng)用在公安領(lǐng)域，通過(guò)知識(shí)圖譜技術(shù)搭建公安領(lǐng)域知識(shí)圖譜，針對(duì)多業(yè)務(wù)場(chǎng)景，實(shí)現(xiàn)重點(diǎn)人員關(guān)聯(lián)分析、異常事件挖掘、重點(diǎn)場(chǎng)所關(guān)聯(lián)分析、物品關(guān)聯(lián)分析、團(tuán)伙關(guān)系分析、相似案件推理等一系列智能輔助功能，提高公安機(jī)關(guān)辦案效率。在幫助公安行業(yè)構(gòu)建知識(shí)圖譜的過(guò)程中，知識(shí)圖譜廠商應(yīng)具備以下能力：

　　公安機(jī)關(guān)具有海量數(shù)據(jù)，需要廠商具備大規(guī)模知識(shí)圖譜構(gòu)建能力;

　　各地公安機(jī)關(guān)具備自身特點(diǎn)，在構(gòu)建知識(shí)圖譜的過(guò)程中，需要較多定制化服務(wù)，要求廠商定制化能力較強(qiáng)，具備較好的服務(wù)意識(shí);

　　公安實(shí)戰(zhàn)經(jīng)驗(yàn)需要轉(zhuǎn)換為公安知識(shí)圖譜中的應(yīng)用模型，需要廠商具備一定公安行業(yè)模型積累;

　　公安領(lǐng)域內(nèi)對(duì)于知識(shí)檢索有一定需求，要求廠商具備一定自然語(yǔ)言處理能力;

　　公安領(lǐng)域存在大量的非結(jié)構(gòu)化、半結(jié)構(gòu)化信息，廠商在構(gòu)建知識(shí)圖譜的過(guò)程中需要較強(qiáng)的數(shù)據(jù)治理能力。

　　百分點(diǎn)助力某市政府構(gòu)建治安防控大數(shù)據(jù)分析研判平臺(tái)

　　某市地理位置特殊，多山且與港口城市接壤，是電信詐騙、跨境網(wǎng)絡(luò)賭博等案件高發(fā)的城市。該市公安局下轄200多個(gè)派出所，希望能在網(wǎng)絡(luò)詐騙專項(xiàng)治理行動(dòng)中，使用新技術(shù)、新思路，解決當(dāng)?shù)鼐W(wǎng)絡(luò)詐騙、網(wǎng)絡(luò)賭博等案件的發(fā)現(xiàn)難、取證難、抓補(bǔ)難等問(wèn)題。

　　隨著信息技術(shù)的快速發(fā)展，社會(huì)信息化程度的不斷加深，犯罪活動(dòng)呈現(xiàn)出復(fù)雜化、動(dòng)態(tài)化、智能化的特征。如何利用大數(shù)據(jù)、人工智能等先進(jìn)技術(shù)，分析數(shù)字世界并發(fā)現(xiàn)犯罪線索，實(shí)現(xiàn)對(duì)犯罪行為的早發(fā)現(xiàn)、早識(shí)別、早打擊，已成為公安業(yè)務(wù)系統(tǒng)構(gòu)建中最為核心的挑戰(zhàn)。

　　尤其在疫情后，該市電信網(wǎng)絡(luò)詐騙案頻發(fā)，想通過(guò)貸款、兼職來(lái)獲取資金的群眾增多，犯罪分子利用這一點(diǎn)瘋狂作案。該市公安機(jī)關(guān)迫切需要利用大數(shù)據(jù)與人工智能等新一代信息技術(shù)，對(duì)海量的多源異構(gòu)數(shù)據(jù)進(jìn)行整合治理，并深度結(jié)合當(dāng)?shù)貥I(yè)務(wù)場(chǎng)景和歷史辦案經(jīng)驗(yàn)構(gòu)建數(shù)據(jù)模型，有效提升該市的案件處置能力與公安綜合防控水平。

　　百分點(diǎn)是中國(guó)領(lǐng)先的數(shù)據(jù)智能技術(shù)企業(yè)，在數(shù)字政府領(lǐng)域構(gòu)建了完善的技術(shù)產(chǎn)品和解決方案體系，擁有豐富的海外國(guó)家級(jí)和國(guó)內(nèi)省市級(jí)數(shù)字政府建設(shè)經(jīng)驗(yàn)。

　　針對(duì)該市業(yè)務(wù)特點(diǎn)，該市政府與百分點(diǎn)構(gòu)建了一體化的大數(shù)據(jù)綜合分析平臺(tái)，利用動(dòng)態(tài)知識(shí)圖譜等技術(shù)，將公安的人、地、事、物、組織、虛擬標(biāo)識(shí)等要素按照實(shí)體、事件及其之間的關(guān)系進(jìn)行數(shù)據(jù)融合匯聚治理，打破原有治安業(yè)務(wù)系統(tǒng)數(shù)據(jù)壁壘，提升治安數(shù)據(jù)融合治理、分析研判、智能應(yīng)用和風(fēng)險(xiǎn)防控能力。

　　同時(shí)，該市政府與百分點(diǎn)構(gòu)建了分析研判平臺(tái)、戰(zhàn)法模型平臺(tái)、融合動(dòng)態(tài)管控三個(gè)數(shù)據(jù)分析應(yīng)用體系，實(shí)現(xiàn)社會(huì)治安風(fēng)險(xiǎn)的提前防范、精準(zhǔn)打擊和動(dòng)態(tài)管控。治安防控大數(shù)據(jù)分析研判平臺(tái)將知識(shí)圖譜、NLP、戰(zhàn)法模型等技術(shù)融入到治安綜合平臺(tái)建設(shè)中?；跀?shù)據(jù)資源統(tǒng)一服務(wù)平臺(tái)，對(duì)治安信息進(jìn)行全面整合、深度挖掘和研判分析，建立多種服務(wù)為上層各類治安業(yè)務(wù)應(yīng)用提供支撐。

　　治安防控大數(shù)據(jù)分析研判平臺(tái)解決方案的核心要素主要體現(xiàn)在以下四個(gè)方面：

　　公安大數(shù)據(jù)融合治理：利用百分點(diǎn)公安大數(shù)據(jù)治理平臺(tái)，高效整合集成了當(dāng)?shù)亟兕悢?shù)據(jù)資源、幾十億條數(shù)據(jù)，并依托“動(dòng)態(tài)知識(shí)圖譜”技術(shù)，對(duì)每天新增千萬(wàn)條數(shù)據(jù)進(jìn)行動(dòng)態(tài)融合，實(shí)現(xiàn)對(duì)當(dāng)?shù)毓踩財(cái)?shù)據(jù)的高效整合治理;

　　多維度綜合分析研判電信詐騙事件：針對(duì)電信網(wǎng)絡(luò)詐騙已有線索，通過(guò)聯(lián)合搜素、事件查詢、全息檔案、關(guān)聯(lián)分析、軌跡分析等多維分析功能，對(duì)文本、圖片的檢索分析，以及信息搜索，快速實(shí)現(xiàn)對(duì)線索的分析研判，展示線索的全貌;

　　結(jié)合實(shí)際業(yè)務(wù)構(gòu)建預(yù)警戰(zhàn)法模型：圍繞“掃黃打非”專項(xiàng)業(yè)務(wù)流程，通過(guò)平臺(tái)自定義算法，進(jìn)行模型開發(fā)、模型分析，為用戶提供低門檻、靈活易用的模型應(yīng)用體驗(yàn)，深度挖掘潛在關(guān)聯(lián)關(guān)系，快速發(fā)現(xiàn)高價(jià)值線索;

　　融合動(dòng)態(tài)管控：境外賭場(chǎng)在國(guó)內(nèi)發(fā)展大力代理機(jī)構(gòu)，以“免費(fèi)旅游、無(wú)息貸款“的幌子拉攏國(guó)內(nèi)人員到東南亞國(guó)家或澳門賭場(chǎng)賭博。針對(duì)當(dāng)?shù)刂伟簿S穩(wěn)、風(fēng)險(xiǎn)防控、偵查破案等實(shí)戰(zhàn)需求，基于動(dòng)態(tài)知識(shí)圖譜，對(duì)各類軌跡信息進(jìn)行實(shí)時(shí)接入和融合拉通，實(shí)現(xiàn)對(duì)人、車、物等重點(diǎn)目標(biāo)的多維分析和智能管控。

　　該市政府與百分點(diǎn)構(gòu)建的治安防控大數(shù)據(jù)分析研判平臺(tái)的價(jià)值主要體現(xiàn)在以下三個(gè)方面：

　　覆蓋全市200余個(gè)派出所，通過(guò)對(duì)潛在風(fēng)險(xiǎn)的主動(dòng)感知預(yù)警，減輕了民警工作量，主動(dòng)化解社會(huì)風(fēng)險(xiǎn)。打造了從案件線索發(fā)現(xiàn)、分析研判、偵查打擊到風(fēng)險(xiǎn)預(yù)警的數(shù)字化偵查模式，對(duì)多起網(wǎng)絡(luò)詐騙違法犯罪活動(dòng)及可疑團(tuán)伙準(zhǔn)確識(shí)別和打擊;

　　充分利用大數(shù)據(jù)、人工智能等信息技術(shù)將海量公安數(shù)據(jù)做融合治理，并結(jié)合資深干警的破案經(jīng)驗(yàn)并沉淀為數(shù)據(jù)模型，打造了研判分析智慧大腦，使新任警員也能夠快速獲取經(jīng)驗(yàn)知識(shí)，高效提升了辦案業(yè)務(wù)能力和處置效率;

　　通過(guò)多維數(shù)據(jù)融合優(yōu)化分析、碰撞關(guān)聯(lián)，實(shí)現(xiàn)了一個(gè)窗口查詢、各警種綜合應(yīng)用、多維度分級(jí)管控、預(yù)警信息主動(dòng)推送和扁平化指揮調(diào)度，成功破獲危害國(guó)家及群眾財(cái)產(chǎn)安全的跨境網(wǎng)絡(luò)賭博案件。

　　4.知識(shí)圖譜未來(lái)展望

　　4.1 新機(jī)會(huì)：感知智能向認(rèn)知智能時(shí)代跨進(jìn)，知識(shí)圖譜將駛向快車道

　　4.1.1感知智能定義

　　感知智能是指將物理世界的數(shù)據(jù)通過(guò)攝像頭、麥克風(fēng)或者其他傳感器等方式進(jìn)行采集，借助語(yǔ)音識(shí)別、圖像識(shí)別等技術(shù)，映射到數(shù)字世界，并做標(biāo)準(zhǔn)化、結(jié)構(gòu)化處理，一方面實(shí)現(xiàn)在特定場(chǎng)景的應(yīng)用落地;另一方面可將數(shù)據(jù)提升至可認(rèn)知的層次，即將信息翻譯成及人類可理解、并用于分析和決策的數(shù)據(jù)，為認(rèn)知智能提供數(shù)據(jù)基礎(chǔ)。

　　4.1.2知識(shí)圖譜是認(rèn)知智能關(guān)鍵技術(shù)

　　人工智能分為感知智能、認(rèn)知智能和行動(dòng)智能三個(gè)階段。當(dāng)前正處于認(rèn)知智能的起步階段。

　　從感知智能到認(rèn)知智能，知識(shí)圖譜是關(guān)鍵一步。

　　認(rèn)知智能是感知智能的進(jìn)階，需要在感知智能的基礎(chǔ)上，結(jié)合行業(yè)知識(shí)，理解數(shù)據(jù)之間的邏輯關(guān)系以及代表的業(yè)務(wù)意義，并在此基礎(chǔ)上進(jìn)行分析決策。

　　感知智能階段，更強(qiáng)調(diào)人工智能在信息獲取上的應(yīng)用創(chuàng)新，如計(jì)算機(jī)視覺(jué)領(lǐng)域的人臉識(shí)別算法應(yīng)用。但隨著人工智能與大數(shù)據(jù)技術(shù)的不斷深化演進(jìn)，業(yè)務(wù)場(chǎng)景數(shù)字化需求不斷深化，同時(shí)大量無(wú)關(guān)聯(lián)的數(shù)據(jù)使得管理變復(fù)雜，不利于用戶數(shù)據(jù)管控，“數(shù)據(jù)孤島”問(wèn)題凸顯。

　　核心問(wèn)題在于，感知智能如同四肢，而認(rèn)知智能如同大腦，忽略后端平臺(tái)即“大腦”對(duì)于信息的知識(shí)抽取和與業(yè)務(wù)場(chǎng)景的關(guān)聯(lián)分析，導(dǎo)致人工智能技術(shù)在推進(jìn)過(guò)程中出現(xiàn)“四肢發(fā)達(dá)、頭腦簡(jiǎn)單”的現(xiàn)象。

　　認(rèn)知智能時(shí)代的到來(lái)，是在感知智能之上，提高了AI的理解分析能力。知識(shí)圖譜技術(shù)將起到重要的支撐作用。在認(rèn)知智能階段，機(jī)器能夠通過(guò)知識(shí)圖譜挖掘隱性關(guān)系，洞察“肉眼”無(wú)法發(fā)現(xiàn)的關(guān)系和邏輯，用于最終的業(yè)務(wù)決策，注重行業(yè)知識(shí)圖譜和關(guān)系挖掘，是人工智能在行業(yè)中更深層的落地應(yīng)用。

　　認(rèn)知智能時(shí)代剛剛起步，只有部分?jǐn)?shù)字化水平較高的行業(yè)，如金融、政務(wù)、公安等行業(yè)開始逐步落地知識(shí)圖譜應(yīng)用場(chǎng)景，更多的行業(yè)還在探索階段。

　　4.1.3認(rèn)知智能時(shí)代，知識(shí)圖譜將高速發(fā)展

　　認(rèn)知智能時(shí)代的到來(lái)將推動(dòng)知識(shí)圖譜技術(shù)高速發(fā)展。

　　人工智能各時(shí)代之間是包含關(guān)系，而非取代關(guān)系，隨著感知智能技術(shù)的發(fā)展，認(rèn)知智能技術(shù)也會(huì)不斷發(fā)展，海量數(shù)據(jù)的有效管理的問(wèn)題會(huì)一直存在，知識(shí)圖譜是目前平衡數(shù)據(jù)與管控最有效的解決方案，不斷發(fā)展的知識(shí)圖譜技術(shù)將為數(shù)據(jù)提供更加有效的分析管理應(yīng)用;

　　目前，認(rèn)知智能發(fā)展至今，在落地應(yīng)用過(guò)程中存在兩大核心難點(diǎn)，即海量數(shù)據(jù)治理與關(guān)聯(lián)關(guān)系挖掘。其中海量數(shù)據(jù)的治理工作將主要由數(shù)據(jù)中臺(tái)完成。關(guān)聯(lián)關(guān)系挖掘目前將主要依靠知識(shí)圖譜技術(shù)進(jìn)行。由于知識(shí)圖譜技術(shù)本身的優(yōu)勢(shì)，可以實(shí)現(xiàn)數(shù)據(jù)間隱性關(guān)系識(shí)別，同時(shí)目前學(xué)界正在攻關(guān)的跨知識(shí)庫(kù)關(guān)聯(lián)關(guān)系分析，也將有利于未來(lái)認(rèn)知智能時(shí)代，具有復(fù)合知識(shí)能力的人工智能技術(shù)的研發(fā)。認(rèn)知智能時(shí)代將更加依賴知識(shí)圖譜。

　　認(rèn)知智能相較于感知智能時(shí)代的一大特點(diǎn)為計(jì)算機(jī)的推理判斷能力，將有效數(shù)據(jù)與相關(guān)結(jié)論關(guān)聯(lián)，形成有效判斷。輔助操作者決策類的應(yīng)用將在未來(lái)的認(rèn)知智能時(shí)代有廣泛應(yīng)用，而作為構(gòu)建此類應(yīng)用的底層技術(shù)，知識(shí)圖譜也將高速發(fā)展。

　　4.2 新場(chǎng)景：知識(shí)圖譜將在垂直領(lǐng)域誕生更多應(yīng)用場(chǎng)景

　　知識(shí)圖譜技術(shù)未來(lái)在垂直領(lǐng)域應(yīng)用主要有兩個(gè)方向：1)目前已有應(yīng)用的行業(yè)將拓展應(yīng)用場(chǎng)景與應(yīng)用領(lǐng)域;2)未有知識(shí)圖譜應(yīng)用的行業(yè)將學(xué)習(xí)相似行業(yè)的成功經(jīng)驗(yàn)復(fù)制應(yīng)用。

　　針對(duì)目前已有應(yīng)用的行業(yè)，知識(shí)圖譜技術(shù)將通過(guò)關(guān)聯(lián)分析、語(yǔ)義識(shí)別、智能搜索、推理決策、知識(shí)庫(kù)管理等諸多應(yīng)用功能與用戶需求發(fā)生 “碰撞”，產(chǎn)生新的應(yīng)用場(chǎng)景。同時(shí)，行業(yè)內(nèi)知識(shí)圖譜的整體搭建速度也會(huì)更快，成熟度更高，搭建成本降低，在此行業(yè)知識(shí)圖譜技術(shù)已廣泛應(yīng)用時(shí)，將會(huì)出現(xiàn)功能完整的通用性知識(shí)圖譜產(chǎn)品，知識(shí)圖譜產(chǎn)品將向普惠方向發(fā)展，賦能行業(yè)內(nèi)中小用戶;

　　針對(duì)目前未有知識(shí)圖譜應(yīng)用的行業(yè)，主要原因有三點(diǎn)：1)行業(yè)內(nèi)數(shù)據(jù)整體水平參差不齊，行業(yè)數(shù)字化進(jìn)程較慢;2)勞動(dòng)密集型產(chǎn)業(yè)，行業(yè)知識(shí)積累與管理對(duì)于行業(yè)整體影響較小;3)整體行業(yè)經(jīng)濟(jì)不景氣，對(duì)于數(shù)字化投資有限，無(wú)專項(xiàng)資金支撐知識(shí)圖譜構(gòu)建;

　　針對(duì)此類行業(yè)，隨著行業(yè)數(shù)字化轉(zhuǎn)型的加快，未有知識(shí)圖譜應(yīng)用的行業(yè)將學(xué)習(xí)相似行業(yè)知識(shí)圖譜產(chǎn)品的成功案例，復(fù)制到本行業(yè)中。但應(yīng)注意，知識(shí)圖譜技術(shù)有較強(qiáng)的領(lǐng)域性，在項(xiàng)目實(shí)施過(guò)程中需要行業(yè)用戶與廠商共同探索在新行業(yè)內(nèi)的知識(shí)圖譜技術(shù)應(yīng)用。

　　4.3 新融合：多技術(shù)融合將成為未來(lái)主流趨勢(shì)

　　知識(shí)圖譜本身是一種語(yǔ)義網(wǎng)絡(luò)，屬于泛自然語(yǔ)言處理技術(shù)，發(fā)展至今，知識(shí)圖譜與NLP技術(shù)有千絲萬(wàn)縷的聯(lián)系。同時(shí)，在未來(lái)認(rèn)知智能，乃至行動(dòng)智能的時(shí)代，人工智能技術(shù)的協(xié)同融合趨勢(shì)將更加明顯。

　　由于知識(shí)圖譜的結(jié)構(gòu)特殊性，隨著數(shù)據(jù)量的增大，目前知識(shí)圖譜的跨庫(kù)應(yīng)用能力較弱，對(duì)知識(shí)圖譜進(jìn)行分布式存儲(chǔ)將成為重要研究方向。未來(lái)分布式的知識(shí)圖譜存儲(chǔ)結(jié)構(gòu)將有效地解決知識(shí)圖譜負(fù)載與存儲(chǔ)模型的問(wèn)題，更好地應(yīng)對(duì)未來(lái)更大數(shù)據(jù)量的知識(shí)圖譜構(gòu)建。

　　機(jī)器學(xué)習(xí)等人工智能技術(shù)與知識(shí)圖譜技術(shù)也會(huì)在知識(shí)構(gòu)建、知識(shí)推理、知識(shí)存儲(chǔ)以及知識(shí)應(yīng)用等多方面有更加深入的結(jié)合。算法模型將更好地支持全流程的知識(shí)圖譜構(gòu)建。

　　結(jié)語(yǔ)

　　各行業(yè)領(lǐng)域用戶都摩拳擦掌，準(zhǔn)備利用知識(shí)圖譜技術(shù)“武裝”自身業(yè)務(wù)。但知識(shí)圖譜技術(shù)在垂直領(lǐng)域的未來(lái)之路還有很長(zhǎng)，每一項(xiàng)技術(shù)的發(fā)展都是螺旋遞進(jìn)。目前知識(shí)圖譜只是在部分信息化較好的行業(yè)有良好應(yīng)用，更多的應(yīng)用場(chǎng)景需要廠商與用戶共同探索。

　　知識(shí)圖譜是感知智能向認(rèn)知智能飛躍的關(guān)鍵技術(shù)。沒(méi)有一項(xiàng)技術(shù)是完美的，所以，技術(shù)融合的趨勢(shì)會(huì)讓各項(xiàng)技術(shù)取長(zhǎng)補(bǔ)短，更好服務(wù)于知識(shí)圖譜的應(yīng)用。技術(shù)融合也將是未來(lái)趨勢(shì)。

　　目前國(guó)內(nèi)已經(jīng)涌現(xiàn)出一批知識(shí)圖譜的優(yōu)秀廠商，克服萬(wàn)難，在各擅長(zhǎng)的領(lǐng)域內(nèi)完成知識(shí)圖譜的落地應(yīng)用。“寶劍鋒從磨礪出，梅花香自苦寒來(lái)”，知識(shí)圖譜就是一個(gè)在應(yīng)用中不斷打磨進(jìn)化的技術(shù)，各家廠商也應(yīng)做好深耕行業(yè)，沉淀積累的準(zhǔn)備。

　　知識(shí)圖譜更像是一個(gè)工程而非單一的技術(shù)。知識(shí)圖譜要做到的是落地應(yīng)用而非紙上談兵。在未來(lái)，相信知識(shí)圖譜會(huì)賦能更多的應(yīng)用場(chǎng)景。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對(duì)本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。本站不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請(qǐng)及時(shí)聯(lián)系我們，本站將會(huì)在24小時(shí)內(nèi)處理完畢。