KGB知识图谱充分发挥海量数据处理优势

知识图谱本质上是一种大规模的语义网络。从2012年谷歌提出知识图谱，知识图谱一直在快速发展，其应用也不再局限于“语义网络”范畴。

现如今的知识图谱在实际应用中，主要作为大数据时代的知识工程出现。和传统的知识图谱工程相比，其使用效果主要是受到其数据规模的影响。大数据时代，受益于海量数据、强大的计算能力和群智计算，知识图谱能够自动构建大规模、高质量的知识库，从知识规模的量带来质的改变。

互联网时代的数据分析存在一些特有特点：1. 数据规模巨大，个体之间差异带来了巨大的差异性数据 2. 数据的精度不高，数据分析需要大量数据
在对这种互联网海量差异性数据进行处理时，传统的知识图谱工程弊端也凸显出来。传统知识库构建主要依靠人工构建、代价高昂、规模有限，投入极大且效率不高。同时，传统知识图谱不具有深度知识结构，无法解决专业的业务问题。互联网时代急需自动化、智能化构建行业知识图谱的工具 ，将专业领域知识赋予机器，让机器代替业务人员从事简单知识工作，实现重复性、基础性劳动的智能化过程，进而适应互联网时代的大规模开放应用的需求。
在发挥处理海量差异性数据优势方面，KGB知识图谱功能很好的发挥了大数据时代的知识图谱构建优势，能够实现以下几种功能：
1.文档解析： KGB知识图谱引擎，可轻松解析多种格式与版本文档：TXT、DOC、EXCEL、PPT、PD