知识图谱构建实践建设方案（52页）.pptxVIP

;

12;

知识图谱

连通企业内外部异构数据

连通大数据技术与AI技术

连通人类智能和人工智能;

增效

?知识库增强的检索、推荐、可视化、规划

?可解释性强，更贴近业务语言;

参考：

?野中郁次郎：《创造知识的企业》

?国家标准委：知识管理框架，GB/T23703;

?事实知识Know-what

?原理知识Know-why

?决策知识Know-how;

系统架构：KaaS（KnowledgeasaService）;

概念框架

为什么要用知识图谱

两类用户、三类知识

技术框架;

1.知识建模

2.知识抽取

3.知识管理

4.知识计算

5.知识应用

6.知识演化;

六步建设法（1）：知识建模;

?原则：

?层次化?网络化?一般性?约束性?可维护

?可协作?方式：

?自顶向下

?自底向上

?循环迭代;

六步建设法（2）：知识抽取;

数据类型;

CRF层

BiLSTM层

词嵌入层;

……;

六步建设法（3）：知识管理;;

分类;

六步建设法（4）：知识计算;;

几类常见知识的执行规范;

六步建设法（5）：知识应用;

KGE方法归类

一切知识管理相关的问题，归根结底都是知识表示问题。;;

检索

信息检索常用框架知识库增强的检索算法;

推荐算法发展历程：

协同过滤、矩阵分解、逻辑回归、特征交叉、GBDT+LR、大规模分段线性模型、深度学习推荐;

FAQ问答的一般框架向量建模方法示意图

BORDESA,CHOPRAS,WESTONJ.QuestionAnsweringwithSubgraphEmbeddings[J].ComputerScience;

六步建设法（6）：知识演化;;

概率逻辑神经网络

(图灵,出生于,伦敦)(图灵,居住地,英国);

知识推理

实体预测关系路径推理;

1.领域schema：先自上而下确定一级主题，再自下而上针对

场景做主题分解

2.人机协同：

?理解业务：资深的业务专家比蹩脚的数据分析师更有价值

?理解技术的局限性：历史≠未来，关联≠因果，一阶智能

?先机器反向标注，再人工修正

3.主动学习：降低相似样本的重复标注成本

4.多行业KG协同、语境，如：猎豹穿越森林;

1.ROI：

?平衡与妥协：数据成本、时间成本、运维成本、人力成本

?商业价值、社会价值，行业标准化程度

2.解决实际问题，不全是训练模型：

?管理手段+技术手段

?数据质量、标注成本、现场考察

?场景容错性：技术上限v.s.商用下限

3.训模型不全是高大上的算法：

?规则、线性模型不一定比非线性模型差，关键在特征

?提高泛化能力是永远的追求，加快速度也是

?传统行业中多数场景下可解释性很重要

?数据利用能力：从未标记、有噪音的数据中学习;

12;;

消费品营销

公安

地铁

制造业

餐饮、零售;

技术方案;;

探索性洞察

猜测事物间可能存在的关系，寻求机会做验证

如：针对特定客群，探索营销创意内容;

线下门店示例：导购话术推荐;

?数据质量问题：跨系统、历史遗留；

?统计口径问题：经营指标不一致，口径难以统一；

?手工报表：零散的需求很多，提数周期长；

?数据利用度低：无法加工复杂逻辑的衍生变量；;

坏账率;

?信息化建设缺乏统筹规划

?应用规划层次不清晰，通用功能缺乏抽象，标准不一致

?技术缺乏统一规划

?数据挖掘分析能力不足，未能充分利用各类型数据

?车辆系统数据协议复杂，各车型数据协议各不相同

?实时数据的总量大

?实时性要求高;

地铁行业示例

车辆维检修知识图