面向人工智能“新基建”的知識圖譜行業(yè)白皮書

知識圖譜行業(yè)白皮書認知智能國家重點實驗室&艾瑞咨詢聯(lián)合發(fā)布新型基礎(chǔ)設(shè)施建設(shè)是為加快國家規(guī)劃建設(shè)推出的重大工程和基礎(chǔ)設(shè)施建設(shè)項目，面向新產(chǎn)業(yè)、新業(yè)態(tài)和新模式，同時助力傳統(tǒng)基礎(chǔ)設(shè)施的智能化改造。新基建三云計算、區(qū)塊鏈一起被視為新技術(shù)基礎(chǔ)設(shè)施；融合基礎(chǔ)設(shè)施領(lǐng)域中，人工智能則新一輪快速發(fā)展。當(dāng)前人工智能的發(fā)展仍然處于弱人工智能的狀態(tài)，研究重心由感知智能過渡到認知智能領(lǐng)域。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(guān)聯(lián)關(guān)系的大規(guī)模語義網(wǎng)絡(luò)，支持非線性的、高階關(guān)系的分析，幫助機器實現(xiàn)理解、解釋知識圖譜逐漸成為人工智能又一熱點產(chǎn)業(yè)，2019年知識圖譜相關(guān)的融資金額較據(jù)智能公司紛紛入局。2019年知識圖譜核心產(chǎn)品市場規(guī)模約65億元，預(yù)計2年將突破200億元；2019年知識圖譜技術(shù)帶動經(jīng)濟增長規(guī)模約391.8億本報告從善政、惠民、興業(yè)、智融四個部分對知識圖譜技術(shù)在其他行業(yè)中的代表性應(yīng)用場景進行梳理，對知識圖譜未來的發(fā)展和應(yīng)用做出展望，同時對人工智能?2020.11金融、投行、投資、炒股、做生意、做產(chǎn)業(yè)研知識圖譜行業(yè)現(xiàn)狀知識圖譜行業(yè)現(xiàn)狀2知識圖譜應(yīng)用場景知識圖譜應(yīng)用場景3知識圖譜應(yīng)用展望知識圖譜應(yīng)用展望4人工智能新基建下城市創(chuàng)新場景人工智能新基建下城市創(chuàng)新場景5新型基礎(chǔ)設(shè)施建設(shè)是為加快國家規(guī)劃建設(shè)，決策層明確推出的重大工程和基礎(chǔ)設(shè)施建設(shè)項目。自2018年12月中央經(jīng)濟工會議/發(fā)文會議/發(fā)文2018.12.21中央經(jīng)濟工作會議政府工作報告國務(wù)院常務(wù)會議中共中央政治局會議七部門印發(fā)《關(guān)于促進“互聯(lián)網(wǎng)+社會服2018.12.21中央經(jīng)濟工作會議政府工作報告國務(wù)院常務(wù)會議中共中央政治局會議七部門印發(fā)《關(guān)于促進“互聯(lián)網(wǎng)+社會服務(wù)”發(fā)展的意見》國務(wù)院常務(wù)會議中央全面深化改革委員會第十二次會議中共中央政治局常務(wù)委員會會議國務(wù)院常務(wù)會議中共中央政治局常務(wù)委員會會議政府工作報告2019.03.05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(yīng)2019.03.05用；加強重大科技基礎(chǔ)設(shè)施、科技創(chuàng)新中心建設(shè)；加強新一代基礎(chǔ)設(shè)施建設(shè)和融合應(yīng)用。2019.05.142019.07.30把工業(yè)互聯(lián)網(wǎng)等新型基礎(chǔ)設(shè)施建設(shè)與制造業(yè)技術(shù)進步有機結(jié)合。加快推進信息網(wǎng)絡(luò)等新型基礎(chǔ)設(shè)施建設(shè)。2019.05.142019.07.302019.12.12加快布局新型數(shù)字基礎(chǔ)設(shè)施；加快5G行業(yè)應(yīng)用試點；加速構(gòu)建支持大數(shù)據(jù)應(yīng)用和云端海量信息處理的云計算基礎(chǔ)設(shè)施，支持政府和企業(yè)建設(shè)人工智能基礎(chǔ)服務(wù)平臺；面向社會服務(wù)提供人工智能應(yīng)用所需的基礎(chǔ)數(shù)據(jù)、計算能力和模型算法。2019.12.122020.01.03發(fā)展先進制造業(yè)，出臺信息網(wǎng)絡(luò)等新型基礎(chǔ)設(shè)施投資支持政策，推進智能、綠色制造。2020.01.032020.02.14通過《關(guān)于推動基礎(chǔ)設(shè)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(chǔ)設(shè)施2020.02.142020.03.04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(chǔ)設(shè)施體系。加快5G網(wǎng)絡(luò)、數(shù)據(jù)中心等新型基礎(chǔ)設(shè)施建設(shè)進度。2020.03.042020.04.282020.04.292020.05.22推進信息網(wǎng)絡(luò)等新型基礎(chǔ)設(shè)施建設(shè)，創(chuàng)新投資建設(shè)模式，堅持以市場投入為主，支持多元主體參與建設(shè)，鼓勵金融機構(gòu)創(chuàng)新產(chǎn)品強化服務(wù)；加強政府引導(dǎo)和支持。2020.04.282020.04.292020.05.22要啟動一批重大項目，加快傳統(tǒng)基礎(chǔ)設(shè)施和5G、人工智能等新型基礎(chǔ)設(shè)施建設(shè)。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(shè)。?2020.112020年4月20日，國家發(fā)改委將新型基礎(chǔ)設(shè)施初步定義為：以新發(fā)展理念為引領(lǐng)，以技術(shù)創(chuàng)新為驅(qū)動，以與傳統(tǒng)的基礎(chǔ)設(shè)施建設(shè)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，新型基礎(chǔ)設(shè)施建設(shè)的范圍融合基礎(chǔ)設(shè)施?例如，以5G、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、衛(wèi)星互聯(lián)網(wǎng)為代表的通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施；以人工智能、云計算、區(qū)塊鏈等為代表的新技術(shù)基礎(chǔ)設(shè)施，以數(shù)據(jù)中心、智能計算中心賦予傳統(tǒng)基礎(chǔ)設(shè)施建設(shè)新的內(nèi)涵融合基礎(chǔ)設(shè)施?例如，以5G、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、衛(wèi)星互聯(lián)網(wǎng)為代表的通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施；以人工智能、云計算、區(qū)塊鏈等為代表的新技術(shù)基礎(chǔ)設(shè)施，以數(shù)據(jù)中心、智能計算中心賦予傳統(tǒng)基礎(chǔ)設(shè)施建設(shè)新的內(nèi)涵?例如，智能交通基礎(chǔ)設(shè)施、智慧能源基礎(chǔ)設(shè)施等信息基礎(chǔ)設(shè)施為代表的算力基礎(chǔ)設(shè)施等?是工業(yè)互聯(lián)網(wǎng)在未來發(fā)展中的重要技術(shù)支撐，是GDP增速的主要來源新基建創(chuàng)新基礎(chǔ)設(shè)施?主要是指支撐科學(xué)研究、技術(shù)開發(fā)、產(chǎn)品研制的具有公益屬性的基礎(chǔ)設(shè)施?例如，重大科技基礎(chǔ)設(shè)施、?主要是指支撐科學(xué)研究、技術(shù)開發(fā)、產(chǎn)品研制的具有公益屬性的基礎(chǔ)設(shè)施?例如，重大科技基礎(chǔ)設(shè)施、科教基礎(chǔ)設(shè)施、產(chǎn)業(yè)技術(shù)創(chuàng)新基礎(chǔ)設(shè)施等升級，進而形成的融合基礎(chǔ)設(shè)施，?2020.11《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(shù)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(shù)將大幅度新基建是數(shù)字世界的基礎(chǔ)設(shè)施，通過科學(xué)技術(shù)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)字世界新型智慧城市新型智慧城市新型產(chǎn)業(yè)經(jīng)濟創(chuàng)新驅(qū)動經(jīng)濟發(fā)展創(chuàng)新驅(qū)動經(jīng)濟發(fā)展新型新型融合基礎(chǔ)設(shè)施：智能交通基礎(chǔ)設(shè)施、智慧能源基礎(chǔ)設(shè)施5G物聯(lián)網(wǎng)人工智能5G物聯(lián)網(wǎng)人工智能信息基礎(chǔ)設(shè)施：通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施、新技術(shù)基礎(chǔ)設(shè)施、算力基礎(chǔ)設(shè)施信息基礎(chǔ)設(shè)施：通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施、新技術(shù)基礎(chǔ)設(shè)施、算力基礎(chǔ)設(shè)施+創(chuàng)新基礎(chǔ)設(shè)施：重大科技基礎(chǔ)設(shè)施、科教基礎(chǔ)設(shè)施、產(chǎn)業(yè)技術(shù)創(chuàng)新基礎(chǔ)設(shè)施創(chuàng)新基礎(chǔ)設(shè)施：重大科技基礎(chǔ)設(shè)施、科教基礎(chǔ)設(shè)施、產(chǎn)業(yè)技術(shù)創(chuàng)新基礎(chǔ)設(shè)施?2020.11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(lǐng)域中，兩大領(lǐng)域都直接提及人工智能礎(chǔ)設(shè)施領(lǐng)域，人工智能與云計算、區(qū)塊鏈一起被視為一種新技術(shù)基礎(chǔ)設(shè)施；而在融合基礎(chǔ)設(shè)施領(lǐng)域中，人工智能則被支撐傳統(tǒng)基礎(chǔ)設(shè)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)濟中應(yīng)用場景，賦能生產(chǎn)力升級，即作為重大應(yīng)用基礎(chǔ)設(shè)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1573.01157.0819.81157.0819.8570.1251.120182019e2020e2021e2022e人工智能賦能實體經(jīng)濟所產(chǎn)生的市場規(guī)模（億元）?2020.11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(shù)之一。1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(xué)習(xí)等新理論的驅(qū)動下，近十年來迎來質(zhì)的飛躍，產(chǎn)業(yè)日趨成熟。隨著技術(shù)不斷迭代，市場認知不斷完善，相關(guān)技術(shù)與傳統(tǒng)行業(yè)經(jīng)營模式和業(yè)務(wù)流程開始產(chǎn)生實質(zhì)性融合人工智能技術(shù)發(fā)展進入新一輪高潮深度學(xué)習(xí)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%智能操作系統(tǒng)BP算法出現(xiàn)使大規(guī)模神經(jīng)網(wǎng)絡(luò)訓(xùn)練成為可能深度學(xué)習(xí)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%智能操作系統(tǒng)Hinton提出深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)計算能力的突破沒能使機器完成Hinton提出深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)美國、英國相繼縮減經(jīng)費支持深度學(xué)習(xí)人工智能計算機DARPA宣告失敗羅森布拉特發(fā)明第一款人工智能計算機DARPA宣告失敗達特茅斯會議機器學(xué)習(xí)期知識期數(shù)據(jù)人工智能學(xué)科誕生機器學(xué)習(xí)期知識期數(shù)據(jù)將邏輯推理能力賦予計算機系統(tǒng)將邏輯推理能力賦予計算機系統(tǒng)計算機從數(shù)據(jù)中學(xué)習(xí)算法總結(jié)人類知識教授給計算機系統(tǒng)1970198419561957199220061970198419561957人工智能產(chǎn)業(yè)結(jié)構(gòu)已基本完備整體解決方案金融客服教育零售文娛醫(yī)療安防整體解決方案消費類終端產(chǎn)品應(yīng)用層：產(chǎn)品、服務(wù)和解決方案應(yīng)用層：產(chǎn)品、服務(wù)和解決方案計算機視覺自然語言計算機視覺自然語言處理智能語音識別知識圖譜技術(shù)層：基礎(chǔ)框架、算法模型以及通用技術(shù)技術(shù)層：基礎(chǔ)框架、算法模型以及通用技術(shù)芯片CPU傳感器開源框架基礎(chǔ)層：軟硬件設(shè)施以及數(shù)據(jù)服務(wù)基礎(chǔ)層：軟硬件設(shè)施以及數(shù)據(jù)服務(wù)?2020.11?2020.11iResearchInc.w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(shù)是否有價值，要看其應(yīng)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物的識別與判斷能力；認知智能則為理解、分析等能力。當(dāng)前，數(shù)據(jù)標(biāo)準化已經(jīng)趨于成熟，以快速計算和存儲為目標(biāo)的計算智能已基本實現(xiàn)；在機器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)的推動下，以視聽覺等識別技術(shù)為目標(biāo)的感知智能也突破了工業(yè)化紅線，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(wù)的需求，而需要外部知識、邏輯推理域遷移的認知智能領(lǐng)域還處于初級階段。學(xué)界已經(jīng)展開認知智能領(lǐng)域的研究，2018年以來，美國人工智能協(xié)會收錄關(guān)于認2018-2019年美國人工智能協(xié)會收錄認知智能論文數(shù)19.20%23.60%20182019?2020.11知知識管理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(guān)聯(lián)關(guān)系的大規(guī)模語義網(wǎng)絡(luò)，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(guān)系x另一實體”或“實體x屬性x屬性），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(yīng)景取得成功，嚴重依賴專家干預(yù)，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(yīng)大數(shù)據(jù)時代開放應(yīng)用化的需求等問題。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?zhèn)鹘y(tǒng)知識工程和知識圖譜知識工程業(yè)務(wù)2業(yè)務(wù)n業(yè)務(wù)1業(yè)務(wù)2業(yè)務(wù)n流程知識領(lǐng)域知識管理知識制度知識文化知識傳統(tǒng)知識工程的知識管理知識圖譜?2020.11知識圖譜是認知智能的底層支撐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(guān)聯(lián)形成網(wǎng)狀知識結(jié)構(gòu)，對概念間的關(guān)系屬性進行聯(lián)結(jié)和轉(zhuǎn)換，支持非線性的、高階關(guān)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。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(guān)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(lǐng)域內(nèi)高精度的知識；通過利用知識圖譜中實體、概念和關(guān)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，基于知識圖譜和邏知識圖譜技術(shù)將數(shù)據(jù)映射為智慧智能（W）知識的應(yīng)用提煉信息間的聯(lián)系智能（W）知識的應(yīng)用提煉信息間的聯(lián)系組織化的信息加工后有邏輯的數(shù)據(jù)通過建立從數(shù)據(jù)到知識圖譜中實體、概念、關(guān)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(lǐng)域內(nèi)高精度的知識；通過利用知識圖譜中實體、概念和關(guān)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。原始素材來源：艾瑞咨詢研究院根據(jù)公開資料、羅素·艾可夫”Fromdat?2020.11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(yīng)用根據(jù)覆蓋范圍的不同，知識圖譜可以區(qū)分為應(yīng)用相對廣泛的通用知識圖譜和專屬于某個特定領(lǐng)域的行業(yè)知識圖識圖譜覆蓋范圍廣，注重橫向廣度，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(yīng)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)中進行關(guān)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。將知識圖譜的基本構(gòu)建流程?2020.11知識推理的重要技術(shù)——圖計算知識圖譜構(gòu)建過程的關(guān)鍵技術(shù)有知識表示（如RDF、OWL）、知識抽取本體對齊、實體對齊）、知識存儲（如圖數(shù)據(jù)庫存儲、據(jù)具有更強大的表達能力，善于處理大量的、復(fù)雜的、互聯(lián)的、多變的網(wǎng)狀數(shù)據(jù)，因此圖數(shù)據(jù)的計算與推理逐圖計算專用于圖結(jié)構(gòu)化數(shù)據(jù)之間關(guān)聯(lián)性的推理運算，基礎(chǔ)數(shù)據(jù)格式與圖存儲相對沿著某條搜索路線，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(guān)聯(lián)↓社區(qū)發(fā)現(xiàn)算法可以用來發(fā)現(xiàn)社交網(wǎng)絡(luò)中三角形的個數(shù)（圈子），可以分析出哪些圈子更穩(wěn)固，↓關(guān)系更緊密↓↓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)頁排序用于計算一個節(jié)點到其他節(jié)點間最短的途徑，以目標(biāo)節(jié)點為中心，向邊緣擴散?2020.11知識圖譜行業(yè)現(xiàn)狀知識圖譜行業(yè)現(xiàn)狀2知識圖譜應(yīng)用場景知識圖譜應(yīng)用場景3知識圖譜應(yīng)用展望知識圖譜應(yīng)用展望4人工智能新基建下城市創(chuàng)新場景人工智能新基建下城市創(chuàng)新場景5知識圖譜的應(yīng)用價值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(fù)雜關(guān)系的高效處理與可視化展示，生活與生產(chǎn)活動中難以用數(shù)學(xué)模型直接表示的關(guān)聯(lián)屬性，融合成一張以關(guān)系為紐帶的數(shù)據(jù)網(wǎng)絡(luò)。通過對關(guān)系的挖掘與分析，能夠找到隱藏在行為之下的關(guān)聯(lián)，并進行直觀的展示?；谥R圖譜的上述優(yōu)勢，適宜解決關(guān)系復(fù)雜的問題，如深度搜索、連結(jié)主義中的深度學(xué)習(xí)算法是新一代人工智能的標(biāo)志性技術(shù)，但深度學(xué)習(xí)有其局限性，側(cè)重解決影響因素較少度復(fù)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(guān)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(xué)習(xí)將產(chǎn)生更多貼近產(chǎn)業(yè)核心的認知智能應(yīng)用，有助于覆蓋場景中大多數(shù)問題，形成完整的以“場景需知識圖譜的數(shù)據(jù)處理層次機器學(xué)習(xí)知識圖譜與深度學(xué)習(xí)算法的配合應(yīng)用知識圖譜的數(shù)據(jù)處理層次機器學(xué)習(xí)非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)本體圖譜表格本體學(xué)習(xí)結(jié)構(gòu)化數(shù)據(jù)非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)本體圖譜表格本體學(xué)習(xí)結(jié)構(gòu)化數(shù)據(jù)知識抽取表格理解語義分析知識?2020.11?2020.11iResearchInc.w知識圖譜的典型應(yīng)用知識圖譜是人工智能應(yīng)用鏈條的第一步，是人工智能的底層技術(shù)。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，知識圖譜的產(chǎn)品形式可以分為原圖應(yīng)用和算法支撐兩類。原圖應(yīng)用指基于知識圖譜的圖結(jié)構(gòu)和豐富的語義關(guān)系，直接圖譜產(chǎn)生價值的服務(wù)形式，例如圖挖掘、關(guān)聯(lián)分析等。通用知識圖譜被視為下一代搜索引擎的核心技術(shù)，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(lǐng)域知識類查詢的需求，如企業(yè)業(yè)務(wù)流程查詢、司法領(lǐng)域案例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(guān)聯(lián)數(shù)據(jù)用于其他人工智能任務(wù)的算法模知識圖譜的原圖應(yīng)用☆知識△o△o原圖應(yīng)用：法律案牘查詢保險理賠案例查詢臨床病例法律案牘查詢保險理賠案例查詢臨床病例查詢業(yè)務(wù)流程查詢企業(yè)關(guān)系業(yè)務(wù)流程查詢企業(yè)關(guān)系查詢?2020.11知識圖譜的典型應(yīng)用知識圖譜為其他人工智能任務(wù)提供算法支撐的典型應(yīng)用主要包括智能問答、智能搜索和智能推薦、決策分析系統(tǒng)等都已產(chǎn)生了成熟且廣泛應(yīng)用的商業(yè)產(chǎn)品，同時也是各領(lǐng)域知識圖譜中的重要一環(huán)?；谥R圖譜的智能搜索能對文片、視頻等復(fù)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(biāo)實體及其相關(guān)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(xí)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、召回對話結(jié)構(gòu)和流程設(shè)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。基于知識圖譜的智基于知識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(chǔ)運作流程自然語言的輸入：問題文本語義槽提?。和瓿深悇e判別SPARQL抽?。簩栴}構(gòu)造為SPARQL模版回復(fù)生成：返回相應(yīng)的查詢結(jié)果轉(zhuǎn)化成易于理解的形式問題分類器問題分析：完成分詞、詞性標(biāo)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(yīng)知識圖譜的URL上SPARQL查詢生成：標(biāo)準構(gòu)造的SPARQL可在圖譜中被查詢 用戶Q 用戶Query解析圖譜計算實體解析 規(guī)則擴展 規(guī)則擴展e-文本結(jié)果排序查詢擴展搜索語句文本文本+圖譜可視化展示 知識庫知識索引庫概念圖譜實例圖譜?2020.11?2020.11iResearchInc.w知識圖譜的行業(yè)發(fā)展情況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對應(yīng)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(yīng)整個互聯(lián)網(wǎng)高效化用的需要。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、實體標(biāo)注等技術(shù)，知識圖譜管理平臺與建模服務(wù)、垂直行業(yè)的知識圖譜應(yīng)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(yù)計2024年將突破200億元，年復(fù)合增長率達到此外，知識圖譜技術(shù)的應(yīng)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(shù)帶動經(jīng)2019-2025年中國知識圖譜核心產(chǎn)品市場規(guī)模1305.91134.71305.91134.7954.6886.5201.3148.4704.0497.1391.865.082.5113.8237.9165.520192020e2021e2022e2023e2024e2025e中國知識圖譜核心產(chǎn)品市場規(guī)模（億元）中國知識圖譜帶動經(jīng)濟增長規(guī)模（億元）來源：艾瑞咨詢研究院根據(jù)專家訪談、招投標(biāo)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(biāo)注等技術(shù)，知識圖譜管理平臺與建模服務(wù)、垂直行業(yè)?2020.11知識圖譜產(chǎn)業(yè)鏈與參與者圖譜最終用戶最終用戶通用知識圖譜及針對具體場景提供解決方案的行業(yè)知識圖譜，最終用戶包括括企業(yè)、政府、個人等 公安領(lǐng)域工業(yè)領(lǐng)域公安領(lǐng)域工業(yè)領(lǐng)域 a4onGoogle a4onGoogleLandray藍凌數(shù)據(jù)提供方從各類數(shù)據(jù)來源處采集、挖掘數(shù)據(jù)，并對數(shù)據(jù)進行預(yù)處理和前期結(jié)構(gòu)化數(shù)據(jù)提供方從各類數(shù)據(jù)來源處采集、挖掘數(shù)據(jù)，并對數(shù)據(jù)進行預(yù)處理和前期結(jié)構(gòu)化?2020.11知識圖譜在各領(lǐng)域中的應(yīng)用概覽數(shù)據(jù)繁雜、單一價值有限、問題抽象需要可視知識圖譜在各領(lǐng)域中的應(yīng)用概覽!凸?2020.11知識圖譜行業(yè)現(xiàn)狀知識圖譜行業(yè)現(xiàn)狀2知識圖譜應(yīng)用場景知識圖譜應(yīng)用場景3知識圖譜應(yīng)用展望知識圖譜應(yīng)用展望4人工智能新基建下城市創(chuàng)新場景人工智能新基建下城市創(chuàng)新場景5應(yīng)用場景篇目錄善政惠民興業(yè)智融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)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(wù)共享交換平臺，發(fā)展成為多方共建共用共享的大臺?；谥R圖譜技術(shù)，將分散在政府各個部門、生產(chǎn)生活各個領(lǐng)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)城市智能公共管理系統(tǒng)解決方案公共安全生態(tài)環(huán)境智慧政務(wù)智慧應(yīng)急智慧監(jiān)管醫(yī)療大腦公共安全生態(tài)環(huán)境智慧政務(wù)智慧應(yīng)急智慧監(jiān)管醫(yī)療大腦 實體、事件抽取關(guān)系、屬來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。?2020.11土壤、危廢等環(huán)境監(jiān)測網(wǎng)絡(luò)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)需要大工以供預(yù)警、決策等問題，導(dǎo)致輔助上層決策利用率和準確率較低。應(yīng)用知識圖譜技術(shù)能統(tǒng)一并可視化結(jié)構(gòu)知識圖譜在環(huán)境保護中的應(yīng)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(luò)輿情等多源異構(gòu)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，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(shè)施和污染物治的關(guān)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(biāo)準化評累積相關(guān)數(shù)據(jù)形成企業(yè)環(huán)境信用檔案，為環(huán)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。?2020.11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(wù)的協(xié)同和整合大趨勢的到來，知識圖譜作為大數(shù)據(jù)和人工智能雙重技術(shù)的應(yīng)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(guān)聯(lián)，構(gòu)建一張多維多層的，實體與實實體與事件的關(guān)系網(wǎng)絡(luò)。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。在解建設(shè)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(shè)和實戰(zhàn)應(yīng)用開發(fā)等環(huán)節(jié)需要運用分關(guān)聯(lián)算法、語義推理等技術(shù)，將公安部門多年業(yè)務(wù)中積累的技戰(zhàn)法進行總結(jié)和可視化處理，與技術(shù)算法相互轉(zhuǎn)犯罪和預(yù)測模型，實現(xiàn)重點人員場所關(guān)聯(lián)分析、物品關(guān)聯(lián)分析、團伙關(guān)系分析、異常事件挖掘、相似案件推理公安知識圖譜構(gòu)建流程??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。?建立研判戰(zhàn)法集?社會化數(shù)據(jù)與公安技戰(zhàn)法?碎片化數(shù)據(jù)與公安技戰(zhàn)法?公安技戰(zhàn)法與算法結(jié)合??2020.11面對大量且復(fù)雜的司法大數(shù)據(jù)，應(yīng)用人工智能需要提煉共性規(guī)則，即依據(jù)不同的司法場景，提取具有統(tǒng)域規(guī)則并對抽取的數(shù)據(jù)進行數(shù)據(jù)標(biāo)注，供機器學(xué)習(xí)以形成類似于人類的信息提取、邏輯分析能力。因此，與其說司法智能以數(shù)據(jù)為中心，不如說其以知識為中心，構(gòu)建司法知識圖譜是人工智能司法應(yīng)用的基礎(chǔ)和先決性問題。司法知識將法律領(lǐng)域中的實體、屬性和關(guān)系進行體系化梳理，并建立邏輯關(guān)聯(lián)，通過知識圖譜和大數(shù)據(jù)技術(shù)進行數(shù)據(jù)挖掘，輔策，洞察知識領(lǐng)域動態(tài)發(fā)展規(guī)律?；谒痉ㄖR圖譜可實現(xiàn)司法業(yè)務(wù)場景的智能應(yīng)用，解決“案多人少”“同案不同判”等現(xiàn)實問題。目前，司法知識圖譜已廣泛運用于法律知識檢索和推送、文書自動生成、類似案件推送、裁判結(jié)果預(yù)測識智能問答、數(shù)據(jù)可視化等方面，為司法人員辦案提供高效參考和科學(xué)依據(jù)，全新定義司法數(shù)據(jù)應(yīng)用和司法智能化，司法案件案情知識圖譜構(gòu)建流程（支持度、置信度計算）運用基于規(guī)則的方法，運用基于規(guī)則的方法，運用基于深度學(xué)習(xí)的方法，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。?2020.11應(yīng)用場景篇目錄善政惠民興業(yè)智融在就醫(yī)導(dǎo)診、輔助診斷、藥企市場拓展等領(lǐng)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)性強加困難。利用知識圖譜的能力，可以聚合核心醫(yī)學(xué)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)驗和知識進知識圖譜在醫(yī)療行業(yè)的應(yīng)用場景患者：智能就醫(yī)導(dǎo)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(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)，其效率和效果有待提升。基于知識圖譜的智能就醫(yī)導(dǎo)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(yīng)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。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。邑邑高水平的醫(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(xué)信息及行業(yè)服務(wù)經(jīng)驗，能完整分析患者當(dāng)次診斷、主訴、相關(guān)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)務(wù)工作者和患者間大量關(guān)于疾病和用藥的咨詢，依靠醫(yī)藥代表和醫(yī)學(xué)部的人力資源很難及時提供高質(zhì)量的咨詢服務(wù)。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(fù)，釋放人力來處理更復(fù)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(guān)聯(lián)和轉(zhuǎn)化。?2020.11當(dāng)前人工智能技術(shù)更多應(yīng)用在如拍照搜題、口語評測、課堂監(jiān)控等外圍需求的工具上，并真正產(chǎn)生生產(chǎn)價值建立在充分且必要的數(shù)據(jù)基礎(chǔ)上，搭建貫穿教材知識體系、教學(xué)資源管理和受教育者學(xué)習(xí)軌跡的知譜，將教與學(xué)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(xué)活動的數(shù)據(jù)產(chǎn)生關(guān)聯(lián)，為算法利用提供支撐環(huán)知識圖譜在教育領(lǐng)域主要有以下幾種應(yīng)用場景：一是將學(xué)科教材知識進行本體建模，形成可關(guān)聯(lián)性查詢的知識網(wǎng)絡(luò)；以圖結(jié)構(gòu)將教學(xué)資源以及關(guān)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(chǔ)上，應(yīng)用大數(shù)據(jù)、AI等技術(shù)形向?qū)W習(xí)目標(biāo)的個性化學(xué)習(xí)路徑，實現(xiàn)千人千面的教學(xué)方案；四是面對受教育者搭建個人知識圖譜，通過對其知識點學(xué)度和考試反饋數(shù)據(jù)的實時關(guān)聯(lián)，形成知識掌握狀態(tài)的可視化個人畫像，以至于習(xí)題推送和老師一對一教學(xué)有的放矢；將教育領(lǐng)域碎片化多源異構(gòu)數(shù)據(jù)進行處理，形成標(biāo)準化的關(guān)聯(lián)數(shù)據(jù)集，為機器學(xué)習(xí)算法訓(xùn)練提供充要條件。通過以上應(yīng)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(lǐng)域數(shù)據(jù)進行資源整合，為上層智能化應(yīng)用提供支撐智適應(yīng)教育技術(shù)框架內(nèi)容圖譜學(xué)習(xí)圖譜錯因分析本體推薦引擎用戶狀態(tài)評估引擎目標(biāo)管理引擎實時分類與預(yù)測高級診斷和VPA引擎學(xué)習(xí)記錄庫學(xué)生畫像 監(jiān)控預(yù)警服務(wù)內(nèi)容圖譜學(xué)習(xí)圖譜錯因分析本體推薦引擎用戶狀態(tài)評估引擎目標(biāo)管理引擎實時分類與預(yù)測高級診斷和VPA引擎學(xué)習(xí)記錄庫學(xué)生畫像 監(jiān)控預(yù)警服務(wù) 實時事件收集器 系統(tǒng)呈現(xiàn)服務(wù)基于對話的人類用戶界面 系統(tǒng)管理服務(wù) 學(xué)習(xí)導(dǎo)航服務(wù) 實時事件收集器 系統(tǒng)呈現(xiàn)服務(wù)基于對話的人類用戶界面 系統(tǒng)管理服務(wù) 學(xué)習(xí)導(dǎo)航服務(wù) 測試服務(wù)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。?2020.11應(yīng)用場景篇目錄善政惠民興業(yè)智融企業(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)積累了資源，為企業(yè)步入知識管理階段奠定基礎(chǔ)。但數(shù)據(jù)孤島和數(shù)據(jù)間缺乏關(guān)聯(lián)的難題依然是制約企業(yè)有效實施知識發(fā)現(xiàn)和管理的重要因素。日常工作場景中，企業(yè)內(nèi)部往往會有大量的培訓(xùn)和項目總結(jié)會議，其中產(chǎn)生大量經(jīng)驗和知識推送給潛在使用者，各級員工有大量個人知識儲量和項目及管理經(jīng)驗應(yīng)當(dāng)被共享，此外，企業(yè)用戶產(chǎn)生與業(yè)務(wù)相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(xùn)練對知識進行推理和構(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(wù)規(guī)律企業(yè)內(nèi)部知識管理平臺運作流程知識知識存儲知識知識存儲-知識管理平臺：項目成果庫、人才庫項目經(jīng)驗知識應(yīng)用來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。?2020.11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(fù)雜的特性，存在著如藝制造知識等事理知識，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(guān)系，而不同角色本體構(gòu)造需求也不盡相同。引入知識圖譜技術(shù)，將工廠車間、人工資源、物料組件、設(shè)備制具、工藝流程、故障等制造業(yè)的基據(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(fù)雜關(guān)系的挖掘，構(gòu)建知識服務(wù)平臺，建立產(chǎn)品規(guī)劃、設(shè)計、生產(chǎn)、試制、量產(chǎn)、使用、服務(wù)、營銷和企業(yè)管理等全生命周期的互聯(lián)，還環(huán)境、焚燒、水務(wù)、模具、能源管理等多個相關(guān)行業(yè)的知識內(nèi)容，通過快速搜索和推理關(guān)系中的趨勢、異常和共性組織、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)品封閉式的重復(fù)研發(fā)實現(xiàn)創(chuàng)新，進行全流程多-將車間布局、生產(chǎn)設(shè)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-將車間布局、生產(chǎn)設(shè)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(shè)備操作、質(zhì)量分析和突發(fā)情況應(yīng)對等知識，實現(xiàn)及時專業(yè)的現(xiàn)場指導(dǎo)。-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(guān)資深技術(shù)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。-匯集各種相關(guān)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(yīng)用案例；-提供已有的相似產(chǎn)品、相關(guān)產(chǎn)品、相關(guān)技術(shù)、領(lǐng)域?qū)＜液托畔⒒ぞ哕浖刃畔?。鋼鐵制造業(yè)鋼鐵制造業(yè)汽車制造業(yè)能源行業(yè)軍工行來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。?2020.11集合構(gòu)建以BIM數(shù)據(jù)與規(guī)范為主的建筑工程行業(yè)知識圖譜程中不斷重復(fù)的知識、使用知識本體的方式進行組織化的設(shè)計和管理，以實現(xiàn)從圖紙設(shè)計、審圖、施工、驗收到樓宇運維體，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(shù)，集合成以知識圖譜在智慧建筑中的應(yīng)用場景Q建筑知識問答構(gòu)建建筑針對建筑領(lǐng)域?qū)I(yè)問題，以多輪對話的形式，構(gòu)建建筑針對建筑領(lǐng)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。智慧運維通過實體、關(guān)系、屬性抽取，創(chuàng)建樓宇內(nèi)機電設(shè)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(shè)備查詢、空間定位及預(yù)警提示、故障解決方案分析等，為建筑安全、服務(wù)、效能、運營的優(yōu)化提供支撐與決策。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(shù)，構(gòu)建評審規(guī)則、規(guī)范知識圖譜，提取出建筑圖紙中的BIM通用交互格式工業(yè)基礎(chǔ)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。?2020.11應(yīng)用場景篇目錄善政惠民興業(yè)智融智融：智能風(fēng)控與信用評估知識圖譜與機器學(xué)習(xí)相結(jié)合，重塑金融領(lǐng)域智能無論是傳統(tǒng)金融或是互聯(lián)網(wǎng)金融領(lǐng)域，信用評估、反欺詐和風(fēng)險控制都是最為關(guān)鍵的環(huán)節(jié)，隨著近些年金融增長，傳統(tǒng)風(fēng)控系統(tǒng)逐漸力有不逮，而應(yīng)用機器學(xué)習(xí)算法和知識圖譜的智能風(fēng)控系統(tǒng)在風(fēng)險識別能力和大規(guī)模運機器學(xué)習(xí)算法通過概率計算的方式，以數(shù)學(xué)運算特征反應(yīng)風(fēng)險情況，形成易于機器計算的風(fēng)控模型；而知識圖經(jīng)驗和規(guī)則創(chuàng)建本體模型和抽取實體的范圍，根據(jù)實體間關(guān)系形成關(guān)聯(lián)數(shù)據(jù)網(wǎng)的圖譜形式，打通相關(guān)數(shù)據(jù)，動態(tài)描畫囊括個人基礎(chǔ)信息、金融行為、社交網(wǎng)絡(luò)行為等用戶綜合畫像，并結(jié)合業(yè)務(wù)場景，根據(jù)畫像的情況與模型對具有金融業(yè)務(wù)特性的風(fēng)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(fēng)險評估，整個實現(xiàn)秒級響應(yīng)。知識圖譜的應(yīng)用不僅能夠為缺乏可解釋性的機器學(xué)習(xí)算法帶來必要的參考系，還可以串聯(lián)金融業(yè)風(fēng)險預(yù)測與分析風(fēng)險預(yù)測與分析細分，根據(jù)行業(yè)信息建立關(guān)系挖掘模型，展示每個行業(yè)之間的關(guān)聯(lián)度，如果某一行業(yè)發(fā)生了行業(yè)風(fēng)險或高風(fēng)險事件，可以及時預(yù)測未來有潛在風(fēng)險的關(guān)聯(lián)行業(yè)。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(dān)保關(guān)系，企業(yè)與個人間任職、實際控制、一致行動關(guān)系，及時預(yù)測未來有潛在風(fēng)險的關(guān)聯(lián)企業(yè)風(fēng)險評估與控制將已知欺詐要素（設(shè)備、賬號、地域等）整合，將借款人相關(guān)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(guān)系信息、線上日志信息等，建立客戶風(fēng)險特征信息庫，提進行數(shù)據(jù)挖掘并構(gòu)建關(guān)聯(lián)關(guān)系網(wǎng)，能防范內(nèi)外勾來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。?2020.11智融：智能投資研究顧問對一級或二級市場的投資研究，一直是泛金融領(lǐng)域重要的課題，上市公司或一些重要的標(biāo)的公司在公開網(wǎng)絡(luò)中如財務(wù)數(shù)據(jù)、定期公告、公司研報等有價值的信息，為投資者行為提供了充分的參考依據(jù)。傳統(tǒng)投研工作需要分析師各種渠道搜集和判別信息，憑借個人經(jīng)驗對零散的數(shù)據(jù)進行組織建模，以報告的形式產(chǎn)出趨勢觀點和數(shù)據(jù)分析，大部分的物料和時間成本都花費在信息和數(shù)據(jù)的搜集上，加之金融資訊信息時效性極強，成果可控性不高，縱使頭部金融數(shù)據(jù)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。此外，金融行業(yè)人才流動快，專精于利用NLP技術(shù)自動抓取關(guān)鍵信息，搭建投研領(lǐng)域知識圖譜，能減少基礎(chǔ)數(shù)據(jù)處理的工作，將各個行業(yè)的發(fā)展數(shù)字層面，為知識查詢和應(yīng)用開發(fā)提供實現(xiàn)基礎(chǔ)。由于券商研報中80%的數(shù)據(jù)指標(biāo)在傳統(tǒng)軟件產(chǎn)品中無法被查詢，分析師在進入一個新領(lǐng)域時要耗費大量時間搜集類似數(shù)據(jù)，知識圖譜投研產(chǎn)品可以大大縮短這一必要勞動時間，大幅提高率。除靜態(tài)領(lǐng)域圖譜外，基于時間序列還能搭建對網(wǎng)絡(luò)報道、新聞事件進行抓取的事理圖譜，兩相結(jié)合，從行業(yè)知識圖譜賦能智能投資研究流程實體：?股東、董監(jiān)高、子公司?實際控制人、一致行動人實體：?股東、董監(jiān)高、子公司?實際控制人、一致行動人關(guān)系：?控股關(guān)系、投資關(guān)系、合作關(guān)系?擔(dān)保關(guān)系、上下游關(guān)系屬性：?行業(yè)、市值、持股份額、市場因子知識庫：?股權(quán)圖譜、債權(quán)圖譜、投資基金圖譜?上市公司圖譜、集團派系圖譜?產(chǎn)業(yè)鏈圖譜、大宗商品圖譜自動項目報告：?信用情況、償債能力、財務(wù)比率?估值水平、股價異動、企業(yè)債異動?擔(dān)保抵押、關(guān)聯(lián)交易、產(chǎn)業(yè)新聞結(jié)構(gòu)化非實時數(shù)據(jù)：?Wind、同花順數(shù)據(jù)、聚源數(shù)據(jù)?工商數(shù)據(jù)、司法數(shù)據(jù)、產(chǎn)業(yè)鏈數(shù)據(jù)非結(jié)構(gòu)化非實時數(shù)據(jù)：?企業(yè)公告、財務(wù)報告、研究報告結(jié)構(gòu)化實時數(shù)據(jù)：?股票行情、商品行情非結(jié)構(gòu)化實時數(shù)據(jù)：?財經(jīng)新聞、社交媒體、論壇來源：艾瑞咨詢研究院根據(jù)專家訪談、公開資料等研究繪制。?2020.11智融：智能產(chǎn)品營銷金融行業(yè)正全面邁入大數(shù)據(jù)時代，從產(chǎn)品設(shè)計、銷售到售后的過程中，都積累了大量的用戶數(shù)據(jù)。將積累的數(shù)據(jù)打業(yè)務(wù)場景結(jié)合，利用數(shù)據(jù)驅(qū)動業(yè)務(wù)增長提高業(yè)務(wù)效率，是所有金融機構(gòu)都希望實現(xiàn)的目標(biāo)。隨著宏觀環(huán)境不確定性增加，以及市場競爭愈發(fā)激烈，銀行、保險、證券、基金等機構(gòu)都希望通過增強對客戶的數(shù)據(jù)洞察能力，盡可能地準確理解基于知識圖譜技術(shù)匯聚多源客戶信息，構(gòu)建客戶多維畫像和標(biāo)簽體系，在個人及零售業(yè)務(wù)中，能將客戶的關(guān)系保險產(chǎn)品的匹配推薦；在機構(gòu)及對公業(yè)務(wù)中，通過構(gòu)建企業(yè)關(guān)聯(lián)關(guān)系網(wǎng)絡(luò)，可以實現(xiàn)對產(chǎn)業(yè)鏈的洞察，發(fā)掘潛在可新客戶、有價值潛力提升的現(xiàn)有客戶、客戶的新需求，整理出有價值的營銷線索，有針對性地推薦或輔助設(shè)計產(chǎn)品除構(gòu)建用戶圖譜外，將知識圖譜引入到推薦系統(tǒng)中可以有效地解決傳統(tǒng)推薦系統(tǒng)存在實體引入了更多的屬性信息和語義關(guān)系，整合學(xué)習(xí)用戶信息和偏好畫像，因此能更準確地捕捉用戶和產(chǎn)品屬在圖譜中為客戶開辟專屬節(jié)點，記錄其基本信息、金融屬性、行為習(xí)慣、關(guān)系網(wǎng)絡(luò)、風(fēng)險偏好、所處生命周期等信息，針對不同類在圖譜中為客戶開辟專屬節(jié)點，記錄其基本信息、金融屬性、行為習(xí)慣、關(guān)系網(wǎng)絡(luò)、風(fēng)險偏好、所處生命周期等信息，針對不同類型、需求和階段的客戶推薦產(chǎn)品，實現(xiàn)差異化地精準營銷，提高客戶滿意度和客戶黏性。對營銷結(jié)果的成功或失敗原因以及交易轉(zhuǎn)化率進行分析和深挖。以營銷客戶行為路徑、斷點環(huán)節(jié)、產(chǎn)品服務(wù)評價等構(gòu)建圖譜或補充用戶畫像，挖掘營銷失敗的根本原因以方便優(yōu)化產(chǎn)品設(shè)計和營銷策略，提高營銷效果。構(gòu)建產(chǎn)品服務(wù)智能問答系統(tǒng)，能提升對客戶咨詢的回復(fù)效率和效果；構(gòu)建“客戶-產(chǎn)品-客戶”的圖譜庫，挖掘客戶屬性和產(chǎn)品屬性的潛在關(guān)系，為客戶推薦相似產(chǎn)品或關(guān)聯(lián)服務(wù)，實現(xiàn)協(xié)同營銷。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。?2020.11知識圖譜行業(yè)現(xiàn)狀知識圖譜行業(yè)現(xiàn)狀2知識圖譜應(yīng)用場景知識圖譜應(yīng)用場景3知識圖譜應(yīng)用展望知識圖譜應(yīng)用展望4人工智能新基建下城市創(chuàng)新場景人工智能新基建下城市創(chuàng)新場景5單模態(tài)交互技術(shù)是弱人工智能時代典型的代表特征，集中在單一模態(tài)的感知技術(shù)給智能機器產(chǎn)品帶來了很多的局限體從感知到認知外界進而形成知識的過程，通常需要多種感官同時對信息進行處理和融合。當(dāng)前知識圖譜技術(shù)用于處理結(jié)構(gòu)化數(shù)據(jù)和文本數(shù)據(jù)，但對于視覺、聽覺數(shù)據(jù)等的關(guān)注度相對較低，且目前仍缺乏有效的技術(shù)手段來據(jù)中抽取知識。如果在更大范圍內(nèi)進行鏈接預(yù)測和實體對齊，進而進行實體關(guān)系抽取，能使現(xiàn)有的模型在綜合考慮視覺特征時獲得更好的性能。傳統(tǒng)的知識圖譜構(gòu)建將不同模態(tài)的數(shù)據(jù)分別完譜，但從源頭上沒有考慮不同模態(tài)特征之間的依賴和對應(yīng)關(guān)系，使知識融合的最終結(jié)果無法很好地刻畫多模態(tài)數(shù)含的各種關(guān)聯(lián)。多模態(tài)知識圖譜為每種模態(tài)（如圖像、文本）構(gòu)建一個特征表示，將不同模態(tài)的嵌入映射到同一個間，以實現(xiàn)最大化鏈接節(jié)點的嵌入之間的相似性，以及最小化未鏈接節(jié)點的嵌入，使邊在相同模態(tài)內(nèi)的兩個節(jié)點來自不同模態(tài)的節(jié)點之間。即多模態(tài)知識圖譜在傳統(tǒng)知識圖譜的基礎(chǔ)上，把多模態(tài)化的認知體驗與相應(yīng)的符號關(guān)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。?2020.11知識圖譜與區(qū)塊鏈技術(shù)結(jié)合發(fā)展存儲和更新。在知識圖譜中運用區(qū)塊鏈技術(shù)能實現(xiàn)多節(jié)點知識輸入、儲存和更新，使開放鏈接知識庫在更多分布節(jié)知識，鼓勵更多人群、特別是那些具有專業(yè)領(lǐng)域知識的人共同來參與知識圖譜的搭建，實現(xiàn)知識量的進一步充實。實中心化還能解決容錯性問題，提升系統(tǒng)的抗攻擊性，使知識圖譜或知識管理平臺不太可能因為某一個局部的意外故止工作，任何一個節(jié)點受到攻擊也不會使整個系統(tǒng)造成癱瘓。區(qū)塊鏈技術(shù)還具有開放性的特性，將知識圖譜與區(qū)塊相結(jié)合，使知識圖譜記錄的數(shù)據(jù)不可逆，也不可篡改，在系統(tǒng)層面上實現(xiàn)信息的公開，每次記錄或標(biāo)注的數(shù)據(jù)和知追溯到源頭，對偽造所有權(quán)的行為也能提供完整的證據(jù)鏈，實現(xiàn)知識確權(quán)，即知識在被多層轉(zhuǎn)讓后仍可追溯到相應(yīng)原始知識貢獻者，知識貢獻者的知識產(chǎn)權(quán)受到更有力保護。區(qū)塊鏈技術(shù)的另一特性是透明性，數(shù)據(jù)對所有人公開，任何人通過公開的接口查詢區(qū)塊鏈上的數(shù)據(jù)和基于數(shù)據(jù)開發(fā)相關(guān)應(yīng)用，整個平臺信息高度透明，為搭建完成后的知識圖譜加可查詢性和應(yīng)用性。另外，知識的貢獻不僅僅應(yīng)該被記錄，而應(yīng)該被更多的激勵，區(qū)塊鏈的激勵機制使得知識貢獻知識圖譜與區(qū)塊鏈技術(shù)結(jié)合的特性使知識圖譜記錄的數(shù)據(jù)不可逆，也不可篡改，在系統(tǒng)層面上實現(xiàn)信息的公開，每次記錄或標(biāo)注的數(shù)據(jù)和知識都能追溯到源頭，對偽造所有權(quán)的行為也能提供完整的證據(jù)鏈，實現(xiàn)知識確權(quán)，知識在被多層轉(zhuǎn)讓后仍可追溯到相應(yīng)原始知識貢獻者，知識產(chǎn)權(quán)受到更有力保護。實現(xiàn)多節(jié)點知識輸入、儲存和更新，使開放鏈接知識庫在更多分布節(jié)點獲取知識，鼓勵更多人群、特別是那些具有專業(yè)領(lǐng)域知識的人共同來參與知識圖譜的搭建，實現(xiàn)知識量的進一步充實。解決容錯性問題，提升系統(tǒng)的抗攻擊性，使知識圖譜或知識管理平臺不太可能因為某一個局部的意使知識圖譜記錄的數(shù)據(jù)不可逆，也不可篡改，在系統(tǒng)層面上實現(xiàn)信息的公開，每次記錄或標(biāo)注的數(shù)據(jù)和知識都能追溯到源頭，對偽造所有權(quán)的行為也能提供完整的證據(jù)鏈，實現(xiàn)知識確權(quán)，知識在被多層轉(zhuǎn)讓后仍可追溯到相應(yīng)原始知識貢獻者，知識產(chǎn)權(quán)受到更有力保護。數(shù)據(jù)公開，任何人都可以通過公開的接口查詢區(qū)塊鏈上的數(shù)據(jù)和基于數(shù)據(jù)開發(fā)相關(guān)應(yīng)用，使得整個平臺信息高度透明，為搭建完成后的知識圖譜加強了可查詢性和應(yīng)用性。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。?2020.11知識圖譜市場向杠鈴型結(jié)構(gòu)發(fā)展通用知識圖譜的大規(guī)模自動化構(gòu)建和領(lǐng)域知自動化構(gòu)建知識圖譜的特點是面向互聯(lián)網(wǎng)的大規(guī)模信息，構(gòu)建更大規(guī)模的常識知識圖譜有利于支撐深度學(xué)習(xí)的計算。但當(dāng)前知識圖譜在構(gòu)建和落地過程中對人工的依賴很多企業(yè)與領(lǐng)域應(yīng)用呈現(xiàn)出鮮明的復(fù)雜特性，知識圖譜的垂直領(lǐng)域解決方案面臨繁雜的應(yīng)用場景，需要行業(yè)專家的KnoHow賦能，對大量基礎(chǔ)的專業(yè)數(shù)據(jù)進行數(shù)據(jù)標(biāo)注，而深度的知識（尤其是業(yè)務(wù)知識）應(yīng)用和實際問題僅靠簡單知識圖譜不斷拓展廣度和深度括schema自動構(gòu)建技通過長期深耕企業(yè)用戶，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。?2020.11知識圖譜行業(yè)現(xiàn)狀知識圖譜行業(yè)現(xiàn)狀2知識圖譜應(yīng)用場景知識圖譜應(yīng)用場景3知識圖譜應(yīng)用展望知識圖譜應(yīng)用展望4人工智能新基建下城市創(chuàng)新場景人工智能新基建下城市創(chuàng)新場景5技術(shù)驅(qū)動城市創(chuàng)新建設(shè)2013年，在新技術(shù)手段推動社會發(fā)展的理念驅(qū)動下，我國設(shè)立了第一批智慧城市試點。上一輪發(fā)，逐漸過渡到理性探索階段。當(dāng)前城鎮(zhèn)化發(fā)展由重視速度向重視質(zhì)量轉(zhuǎn)型，云服務(wù)、大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)快速迭代，催生了數(shù)量眾多的商業(yè)應(yīng)用和創(chuàng)新。城市是基礎(chǔ)設(shè)施建設(shè)的核心載體，城市智慧化建設(shè)是新基建價值實現(xiàn)的重要需求領(lǐng)域，在新舊動能轉(zhuǎn)換的背景下，基礎(chǔ)技術(shù)與城市建設(shè)深度融合、環(huán)環(huán)相扣，共同支撐起我國城市從信息化、智能化到場景；物聯(lián)網(wǎng)采集海量數(shù)據(jù)，并根據(jù)反饋提供命令執(zhí)行支持；云計算提供計算存儲等基礎(chǔ)服務(wù)，為大規(guī)模軟硬件操作和管理提供平臺；而人工智能技術(shù)尤其是通過對知識圖譜的應(yīng)用，能使城市大數(shù)據(jù)有效地為城市服務(wù)，將城的衣、食、住、行數(shù)據(jù)，城市管理中的行政管理、公共事業(yè)管理、勞動與社會保障、土地資源管理等數(shù)據(jù)進行分析和挖掘，建成易于人類組織、管理和利用的動態(tài)知識庫，最終為居民應(yīng)用、政府辦公、領(lǐng)導(dǎo)決策提供強