- 博客(206)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 还在关注Palantir本体论吗！看看OntoFlow本体建模平台：从数据 -＞ 知识图谱 -＞ 本体 -＞ 决策的完整链路功能演示
OntoFlow本体建模平台通过工作流方式解决企业数据到知识应用的完整链路问题。平台将"数据接入-结构理解-子图建模-本体入库"组织为4个固定流程节点，支持AI辅助建模但强调人工主导的渐进式优化。不同于传统知识图谱工具，OntoFlow将本体作为动态语义骨架，支持业务规则定义、实时计算和决策接口生成。其特色在于：1）工作流驱动实现工程化建模；2）支持从静态图谱升级为带计算规则的动态本体；3）直接生成可供AI和业务系统调用的API。该平台适用于需要持续演进的复杂业务
2026-03-28 19:43:37
555
原创 中国版Palantir？OntoFlow 轻量本体建模平台：重新定义企业知识工程的构建方式
OntoFlow 作为第一款国产轻量本体建模平台，借鉴其本体论核心架构并走轻量化自主可控路线，重新定义企业知识工程构建方式。平台以本体驱动打通异构数据与业务，集成 AI 与智能体能力，打造全链路建模闭环，为企业数字孪生、知识图谱落地与智能决策提供自研支撑。
2026-03-20 18:54:53
572
原创 告别玄学/告别理论，落地Palantir“本体论”-你需要一款：本体数据库 / Ontology Database（纯干开发文档）
AbutionGraph是第一款极速全场景MPP多模实时图数据仓库（含分布式计算引擎版），也是首款真正意义上实现本体论（Ontology）概念以及时序图谱能力的数据库及图计算引擎产品。面向本体建模，创新支持**T（类型）、P（谓词）、F（函数）、Agg（聚合）、Action（行动）、Role（权限）**六位一体的本体论编程范式，实现属性、关系、规则、行为的统一建模与链式查询。面向时序计算分析，独创具有时序图计算分析的能力。面向Agentic，创新支持知识向量的相似度检索。面向国产信创。
2026-03-17 22:25:59
512
原创 本体建模平台 OntoFlow & Palantir Ontology：从“数据实体”到“可执行本体”的企业落地路径
探讨企业数字化转型中"本体模型"的核心挑战已从数据存储转向如何让数据持续服务业务，而本体模型通过构建稳定的语义框架，能够识别业务核心对象及其关系，实现数据可追踪、可推理。作者分析了Palantir Ontology：必须与数据实体关联、包含动态执行元素、直接支撑业务决策。并介绍了OntoFlow平台如何实现本体从建模到执行的完整链路，通过多智能体协作将哲学层面的本体论转化为可落地的让"数据+模型"真正驱动业务运营。
2026-03-11 15:29:28
1151
原创 OntoFlow 本体建模平台：元数据探查，让数据资产 “活” 起来
还在为找数据、写 SQL 头疼？OntoFlow 本体建模平台的元数据探查功能来了！本文拆解其核心能力：兼容全品类数据源、可视化盘点数据资产，更能用自然语言直接 “问数”，同时结合元数据管理引擎与 Palantir 前沿实践，看它如何打通数据到知识的链路，让企业数据真正 “活” 起来。
2026-03-02 14:34:30
871
原创 OntoFlow - AI数字孪生本体建模平台
OntoFlow是一个AI驱动的数字孪生本体建模平台，通过本体驱动架构实现数据、业务与智能Agent的深度结合。平台具备数字孪生建模、智能Agent编排、时序图计算等核心能力，支持从数据探知到决策执行的全链路闭环。该系统采用精简架构（数据库+后端+前端），支持12个功能模块包括元数据摄取、本体建模、知识库管理等，所有开发由个人完成。OntoFlow致力于构建可演进的数字孪生世界模型，适用于工业、城市等场景的智能业务闭环。
2026-02-26 17:45:58
1282
原创 KnowLion：基于动态图数据库的动态超图知识检索开源系统
KnowLion是首个基于动态图数据库的企业级HyperGraphRAG系统，通过"Doc-Para-Entity"三级超图存储架构实现知识一体化管理。其核心创新包括： 五重检索融合：集向量语义、关键词、图推理等能力于一体，覆盖全场景检索需求； 动态知识演化：通过时序聚合函数实现知识属性自动更新，新文档入库立即可检索； 智能自维护：当段落重叠率≥80%时触发AI代理自动合并相似知识，降低80%维护成本； 轻量超图设计：多对多聚合边仅存储关键事实，使多跳推理速度提升50%。
2025-10-13 15:21:40
1037
原创 [GraphRAG]完全自动化处理任何文档为向量知识图谱：AbutionGraph如何让知识自动“活”起来？
AbutionGraphRag工具助力企业高效处理非结构化文档，实现知识图谱自动化构建。该工具支持多格式文档解析（PDF/Word等），通过OCR和深度学习提取文本、表格等内容，并转换为结构化Markdown。其核心功能包括智能知识提取，利用大语言模型精准识别实体关系，支持自定义规则满足领域需求。在处理专业文献时，能准确提取如"La0.65Ca0.35MnO3"等专业术语及深层关联，保持上下文连贯性，实现复杂结构（文本、公式）的关联识别。该工具显著提升了知识检索效率，解决了传统关键词检索
2025-08-20 21:45:44
2051
原创 HybridRAG：VectorRAG+GraphRAG在时序向量图谱数据库AbutionGraph中的一体化实现（LLM-RAG最新技术方案）
AbutionGraph-时序/向量/图谱数据库的一体化GraphRAG实现方案介绍，利用图向量&向量图谱存储，可以轻松地保存向量和摘要并自动完成合并更新，实现一键相似度检索知识库，简化HybridRAG（VectorRAG+GraphRAG）的实现，使其构建知识库更加高效简便和降低LLM行业垂直应用落地门槛。
2024-09-05 17:27:02
2501
原创 AbutionGraph时序(流式)图数据库开发文档地址
AbutionGraph-时序(流式)图数据库，官方开发文档(API)地址：http://www.thutmose.cn
2024-07-25 15:03:36
520
原创 时序(流式)图谱数据仓库AbutionGraph功能介绍-Streaming Graph OLAM Database
AbutionGraph具有多种数据库的特性，除传统图谱数据存储模型外，Abution的目标是以足够低的延迟（亚秒级）来服务大规模图谱数据（达BP级）的实时决策分析。AbutionGraph特别适用于业务指标系统建设、实时交互式数据分析、可视化大屏展现、IOT流式数据监测、拓扑数据动态行为计算、相同点边id的数据根据标签分类管理等等。AbutionGraph使用Java/C++开发，支持Aremlin、Gremlin、GraphQL查询语法，并支持与Java进行混合编程开发和Python API。
2024-06-28 15:45:03
1853
1
原创 时序图数仓AbutionGraph在公安金融场景的应用
知识图谱的落地不仅仅是把数据串联起来，更要从时间和空间上分析和探索其中的行为，挖掘更多的指标，真正实现一张网办案。从技术架构的角度，单一依靠一款图数据库只能将线索串联成知识，解决不了资金数据的及时分析，如果采用数据仓库分析行为指标，则难以关联数据进行分析，时序的指标计算可以借助时序数据库做实时监控，但又无法关联数据。现在，借助GraphOLAM时序图数据仓库AbutionGraph，您可以只使用一款数据库即可解决复杂的大数据问题，模型的实现不再局限于技术，而是用户的idea。
2022-03-02 16:38:44
4561
7
原创 AbutionGraph新特性-支持动态增删改的scheam free知识结构
采用AbutionGraph的动态schema知识结构，可以更方便的定制化项目，满足上层应用的灵活需求，实现动态的增删改，在需要时随时更改你的schema来适配你的数据。
2022-02-07 14:29:43
3649
原创 AbutionGraph新特性-Spark3和2版本无感知切换与无缝对接兼容
兼容性问题说明我们在做多种大数据平台混合搭建的时候，首先第一件事是考虑兼容性，比如软件在迭代过程中增加与过时一些功能是家常便饭的事，绝大多数情况下并不会考虑别家的软件底层采用什么版本的框架，比如Jetty、jackson、configuration、guava等等，这些框架是开发大数据系统的必备工具，在AbutionGraph中也是如此，往往会因为这些工具在不同大数据平台上的版本不同而无法开发使用，如Spark3.1中的错误：Exception in thread "main" java.lang
2021-07-25 23:04:54
1203
1
原创 神图示例-AbutionGraph面向多维图谱的查询语言Aremlin与Gremlin一维的实现入门
AbutionGraph是图特摩斯科技自研的首款GraphaAAbutionAbuGraphgraphHOLAP图数据仓库，面向大规模实时图查询分析，在传统静态数据图谱的基础上，时序多维的动态知识图谱是其一大特色，从底层构建解决和优化一些既往图数据库无法完成的任务，是一款原生图存储系统。维度是数据库的概念，标签是业务上的概念，是对应关系。在大多数场景中，知识数据往往是多维的，就拿以人为中心的图谱画像来说，每个人的数据（金融、购物、出行等）都可能不同，有些人去过医院拥有医疗记录，有些人则没有去过，这样的.
2021-06-25 19:09:56
1725
1
原创 5G难题–如此多的数据，运营商们如何分析所有的这些？图数仓成为关键技术
知识图谱技术已渐渐成为AI的风口，图数据库也站在了数据库领域的浪尖，AbutionGraph作为世界第一款时序动态图数据仓库（时序+图谱+数仓的一种全新数据库存储架构），来看看在电信领域可带来哪些改变。在各个行业中，数据的指数增长一直是21世纪开展业务的标志。组织必须找到新的方法来管理其庞大且不断增长的数据存储，同时将其最有价值的资产（即数据）转换为可行的业务洞察。5G的到来进一步放大了数据的重要性，尤其是在电信领域中，移动运营商想要脱颖而出面临着激烈的竞争，同时，物联网、智能设备和新内容平台也
2021-05-31 19:58:53
1102
5
原创 实时数仓+知识图谱综合解决方案-首款图数仓AbutionGraph的行业落地报告PPT
AbutionGraph是北京图特摩斯科技研发的一款物联网级的大数据通用图数据库，使知识图谱技术不仅仅局限与关联关系存储的场景，我们可以把其应用到金融风控、车联网、智慧城市(传感器采集监控)等等要求高时效性，快速得出数据明细报表的场景，这是既往图数据库无法涉及的时序数据库领域，对于多技术参与的项目（实时数仓、时序数据库、图数据库、关系型数据库），使用AbutionGraph将会使开发和运维变得很容易，仅使用Abution就能满足所有的技术需求，这是一项革命性的技术，将会使我们的合作客户付出更少成本来获得更
2021-05-11 18:38:30
2063
原创 图数据库AbutionGraph的15类60种OLAP图计算图挖掘算法-[构建史上最全的图算法库]
在AbutionGCS中，我们实现了15种算法类型的60多种图挖掘算法，是目前已知公开的最丰富的图挖掘算法库，在AbutionGCS中，主要的功能点包括：实现了存储与计算的分离；支持算法提交时自定义使用CPU内核数量和最大分布式内存空间；两种运行方式，图数据中台接口和开发者模式的嵌入式代码；支持HTTP一键调用、Job任务机制、可视化web任务状态监控；支持二次开发，算法工具化，多种算法结合应用；将AbutionDB图数据与关系型数据表无缝转换；从图谱关系中直接生成子图；计算结果保存图库
2021-03-07 14:21:41
3102
3
原创 还在做Flink+Druid/ES/Hbase的实时数仓吗？AbutionGraph+Flink带您构建流批一体的增强流式知识图谱数据仓库
AbutionGraph是众多国产数据库中新兴的一员，且是唯一一款GraphHOLAP的实时知识图谱数据仓库，将在本文中介绍Abution如何结合Flink（无缝对接Flink-1.12.1）构建增强的流批一体实时数仓。Abution结合Flink和Spark的差异AbutionGraph最初实现了跟Spark的无缝对接，使得我们可以很方便的将图数据与Spark的数据结构GraphX、GraphFrames、DataFrame、RDD互转，格式的转化已经覆盖了Spark的所有格式。对于流式处理.
2021-02-19 14:43:51
2011
原创 图数据库AbutionGraph的毫秒级大数据精确去重方案-RoaringBitmap的妙用
AbutionGraph是第一款OLAP实时图数据仓库，可以高效率的满足更多难点问题。基数统计（不重复计数）是一个经典问题，AbutionGraph将其做到了极致的性能：查询响应速度提升几个量级，计算数据量级提升几个数量级，占用存储空间比存储原始集合少几个量级，总的来说，在几百亿的知识图谱数据上，使用AbutionGraph的高基数实时预计算存储技术，使得基数统计（可类比为degree基数）分析时效性提高到了毫秒级。譬如获知“张三”去年和今年都联系过的人有哪些，我们不用像以前把“张三”两年的数据都查出来
2021-02-18 13:15:59
1279
原创 AbutionGraph万亿数量毫秒级出入度基数统计算法-1.5K内存存储十亿统计数据
图数据仓库AbutionGraph的万亿数据出入度去重基数实时统计算法，毫秒级响应，不到1K内存，可存储数亿个统计数据。什么是基数？基数是指集合中不同值的数量。例如，在{ 4,3,6,2,2,6,4,3,6,2,2,3}的集合中，基数为4，不同的基数值为4、3、6、2。再如，与A相关的联系{A->B,A->C,A->D,A->B,A->C}中，A联系过哪些人？（B,C,D）改善现有数据库基数实现的理由基数统计具有广泛的应用范围，在数据库中非常重要..
2021-02-16 14:09:02
890
原创 知识图谱数据库：AbutionGraph,TigerGraph,JanusGraph,Neo4j读写性能基准测试报告
为帮助用户了解AbutionGDB的指标，特将它与Neo4j，JanusGraph，TigerGraph做了读写性能对比测试。其实AbutionGDB与其它图数据库是有着明显差异的，它是唯一面向OLAP场景的图数据仓库，而其它对比者是面向OLTP的图数据库，不过技术架构的不同并不影响读写性能的测试。目录1.测试用数据说明 三2.统计结果说明 四3.AbutionGDB与其他数据库单节点对比测试 四3.1测试环境及步骤说明 四3.2 写入性能对比 五3.2.1 AbutionGDB
2020-12-03 23:21:46
3158
原创 知识图谱数据库还有OLTP、OLAP(MOLAP、ROLAP、HOLAP)的区别？ 首个实时图数仓架构分析...
面向大规模实时数据分析的HOLAP知识图谱数据仓库AbutionGraph与传统的OLTP图库有什么不同？我们将对OLAP图库的应用场景、面向的客户、实现原理、未来发展做出对比分析。
2020-09-29 11:22:26
5367
原创 [AbutionGraph] 报表制作-使用Grafana动态可视化知识图谱指标
使用开源报表可视化工具Grafana实时监控时序知识图谱数据仓库AbutionGraph中的数据，实时性报表查询, 满足单次百万千万级的数据查询,毫秒级查询延迟，亚秒级对千亿数据量汇总统计，每日过亿报表查询/多维分析/日志分析等数据指标...
2020-07-08 18:05:43
4049
原创 图谱智能中台AbutionGraph分布式计算引擎 - 边缘计算+时序动态知识图谱～=“数字孪生”
技术概览AbutionGraph是北京图特摩斯科技自研的首款时序动态知识图数据仓库与分析系统。AbutionDB是底层数据的承载，存储包括：动静结合的图谱数据、时间序列数据、KV表格数据、地理空间数据、事件数据、文本数据。AbutionGRS是首个以图谱为核心构建的下一代数据认知中台，是数据的开发层，提供所有大数据以及AI技术的逻辑封装、一键业务功能调用、指标数据查询、数据及资源资产管理等支持。AbutionGraph与外部数据库系统关系图为图谱智能中台AbutionGRS提供快速数据流转的
2020-05-23 18:44:37
3070
原创 AbutionDB`知识图谱+时序机器学习特征存储
关于AbutionDBAbutionDB是一个多模态的数据库，支持动静态知识图谱、时序事件数据、空间数据、机器学习特征、关系型数据、文本数据的存储，其中动态知识图谱平台AbutionGraph是一套包含数据采集、存储、计算、分析、监控的闭环大数据解决方案，本文将介绍知识图谱特征及其它用户行为特征在AbutionDB中作为机器学习特征存储的功能。机器学习概念机器学习是教会计算...
2020-04-21 11:48:39
2053
原创 1台笔记本 vs 1个Hbase集群 - AbutionGraph图数据库+Flink性能测试
作者 | 闭雨哲出品 | 图特摩斯科技（thutmose.cn）AbutionGraph是图特摩斯自研的时序图数据库，它可以满足永不掉线的实时知识图谱指标计算任务以及历史数据分析，静态图+动态图+时序图同时存储。在面向大规模在线场景时，使用Flink技术做ETL的同时，保证数据接入更稳定且无丢失。目录：测试目的 业务场景 测试过程 AbutionGraph v.s Hb...
2020-03-08 18:19:46
1403
转载 Cassandra3.11读写性能测试
1. 测试目的测试Cassandra集群读写TPS的极值，确定Cassandra读写性能。2. 测试环境2.1 硬件信息CPU 8核 Intel(R) Xeon(R) CPU E5-2650 v4 @ 2.20GHz RAM 16G 2.2 软件信息JDK 1.8u151 Cassandra 3.11.1 cassandra-drive...
2020-03-05 10:54:46
1390
转载 HBase 2.2 随机读写性能测试
测试环境测试环境包括测试过程中HBase集群的拓扑结构、以及需要用到的硬件和软件资源，硬件资源包括：测试机器配置、网络状态等等，软件资源包括操作系统、HBase相关软件以及测试工具等。集群拓扑结构本次测试中，测试环境总共包含3台物理机作为Hadoop数据存储，其中2台物理机作为RegionServer部署宿主机，每个宿主机上起2个RegionServer节点，整个集群一共4个Regio...
2020-02-28 13:37:47
1993
原创 [AbutionGraph] 轻松构建以知识图谱为核心的下一代数据中台
作者 | Raini出品 | 北京图特摩斯科技 （thutmose.cn）前言图特摩斯科技（Thutmose）基于自研的图形数据库AbutionGraph（实时多维数据存储与计算一体化的高可用平台）为核心，构建AI智能认知中台（认知图谱平台）来实现业务衔接，它不仅是一个能力中台，也是一个战略中台。作为能力平台，Thutmose认知中台向下作为整合者融合大数据与人工智能技术能力，向...
2020-01-11 12:20:32
2596
原创 [AbutionGraph] 知识图谱+Flink：大规模实时动态图谱平台的实现
作者 | Raini出品 | 北京图特摩斯科技（www.thutmose.cn）Flink：目前最受关注的大数据技术，最活跃 Apache 项目之一。AbutionGraph：北京图特摩斯科技自研的国内首个准实时多维图形数据库，首个将实时/离线/指标聚合/图挖掘/AI框架等热门技术线深度整合在一起的认知图谱平台，本文仅对实时性的相关优势做分析。AbutionGraph 具有以...
2019-12-30 22:28:37
5294
原创 [AbutionGraph] 大规模实时动态时序知识图谱+AI平台
作者 | Raini出品 | 图特摩斯（北京）科技有限公司AbutionGraph是什么?AbutionGraph是一种能对历史和实时数据提供亚秒级别查询的多维图数据存储与分析平台。AbutionGraph支持低延时的数据摄取，灵活的数据探索分析，高性能的数据聚合，简便的水平扩展。高容错的架构在发生代码部署、机器故障以及其他产品系统遇到宕机等情况时，仍能够保持100...
2019-12-18 11:48:23
7762
转载 IDEA搭建javaWeb项目图文教程
1、新建一个Web项目两种方法：java 和Java Enterprise（推荐）第一种）通过Java工程创建，这个方法需要手动导入Tomcat的servlet包才能使用servlet导入包的方法是创建项目并配置好Tomcat后，File->Project Structure，点击 Modules --> 选中项目“JavaWeb” -->切换到 Depende...
2019-08-03 11:27:29
2043
原创 Web项目（Swagger+Jersey）用IDEA打war包并部署
我一个算法工程师勤学多看，抓狂两周终于完成了自己想要的后端首先：IDEA搭建javaWeb项目步骤：一、文件->项目结构二、注意一定选空的Artifacts，我用现有的导致swagger一直不能显示api信息三、取一个war包的名字四、选择web资源root路径，一般为src/main下的"webapp"我的在src/main下的"web"，点击即...
2019-08-02 17:07:20
1528
原创 知识图谱「技术」～
知识图谱与图挖掘技术QQ交流群2：529757057bo主w~x：lovebyz99(交流请备注，对创业有想法欢迎联系)Breaking\Locking\Popping、AI、算法、大数据、前端、后端、知识图谱、微服务、云计算、区块链。。。...
2019-07-17 15:59:27
891
转载 图形聚类算法：MCL
Different ClusteringVector Clustering我们在描述一个人时，常常会使用他所拥有的特点来表示，比如说：张三，男，高个子，有点壮。那么，这就可以用四维向量来表示，如果再复杂一些，就是更高维的向量空间了。下图是在二维空间之中的分布情况，可以较为直观的看出，以红色虚线为界，可以分为两个类别。Graph Clustering和特征聚类不同，图聚类比较难以观察...
2019-06-28 14:36:41
10761
转载 Graph Neural Network Review
图(graph)是一个非常常用的数据结构，现实世界中很多很多任务可以描述为图问题，比如社交网络，蛋白体结构，交通路网数据，以及很火的知识图谱等，甚至规则网格结构数据(如图像，视频等)也是图数据的一种特殊形式，因此图是一个很值得研究的领域。针对graph的研究可以分为三类：1.经典的graph算法，如生成树算法，最短路算法，复杂一点的二分图匹配，费用流问题等等；2.概率图模型，将条件概率...
2019-05-17 15:26:03
1182
原创 「JanusGraph-Gremlin」高级语法sack()局部数据结构
sack(麻袋)帮助人们更细致有效地解决问题在某些情况下，人们正在编写使用路径信息进行数据聚合的Gremlin遍历。通常，人们将使用path()然后再执行一些过滤以“减少”路径中的数据获得特定结果。不幸的是，这是低效的，因为路径计算是昂贵的，且是不可以合并的，计算全部路径再过滤相当耗资源和时间且笨拙。原理sack是相对于每个遍历者的局部数据结构，与aggregate()/st...
2019-04-24 10:00:50
1775
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人