什么是企业知识图谱？为什么企业需要？

序言

        企业知识图谱的流行度在海外持续攀升。它是非常有价值的工具，用于关联整个企业的结构化和非结构化信息以及发现有关组织的重要价值。然而，知识图谱过去和现在都未得到充分利用。

        企业知识图谱是实现智能语义人工智能应用程序 (AI) 的先决条件，它可以帮助组织从内容、数据和组织知识中挖掘价值，否则这些信息会被忽视。智能语义 AI 应用程序，无论是聊天机器人、利用自然语言处理 (NLP) 的认知搜索，还是推荐引擎，都会利用企业知识图谱来提取、关联和提供答案。

        随着语义技术的发展，出现了几个术语，例如本体、三元组存储、语义数据模型、图数据库和知识图谱。以及随后制定的SKOS、RDF、OWL 等标准。

什么是企业知识图谱？

        企业知识图谱是将组织的领域知识拆解成结构化碎片及上下文关系并让人类和机器都能理解的组织形式。它是对组织的知识资产、内容和数据的引用集合，利用数据模型来描述人员、地点和事物以及它们之间的关联方式。

        知识图谱的典型的例子是谷歌和LinkedIn。当您在 Google 中搜索“Leonardo da Vinci”时，搜索引擎不仅会提供传统的搜索结果，而且由于它知道您正在搜索特定的人物 Leonardo da Vinci，因此它会提供一个信息框或知识面板，以及传统搜索结果，其中包含关于独特人物的特定信息，以及他或她与图中其他已知对象的关系，例如艺术品、兄弟姐妹，以及关于相似人的推荐。

        和Google这样的广域知识图谱相比，企业知识图谱则基于企业内部的内容、数据和信息资产，数据模型也是根据所处行业和企业需求定制化设计的。

        开发靠谱的知识图谱需要几个关键要素，下图概述了它们如何相互融合以生成全面的企业知识图谱。

企业知识图谱的关键制作流程

 

• 业务分类法——业务分类描述了企业的词汇、常用术语和同义词。这将作为组织向机器教授您的语言的基础。
• 业务本体——简而言之，本体是一种语义数据模型，是一张描述我们在组织中谈论的各种事物的地图，如产品、项目和人员；他们的属性，如名称、描述和专业知识；以及事物之间关系的类型。例如，一个人可以是一个项目的项目经理，或者项目 A 是关于产品 B，甚至客户 C 对服务 D 和服务 E 感兴趣。这里的关键是上述业务分类法是开发相关且适用的本体。最终形成企业的元数据集。
• 内容和数据源——每个组织都有各种数据源和系统，每个数据源和系统都专注于特定领域，如内容和文档管理、高度结构化数据的数据库、数字资产管理、人力资源、学习和发展、客户管理等。最大的挑战在企业知识存在于许多不同且孤立的系统中。需要通过元数据治理并存入图数据库。
• 图数据库——也称为三元存储，该数据库包含对源系统中知识对象的引用的整体描述、来自不同来源的每个对象的属性以及这些对象之间的关系。

        如果能实现结构化和非结构化数据源到图数据库集成，这本身就是一个重大的成功。然而，为了充分利用语义技术背后的力量并提供语义 AI  app随后可以利用的上下文、意义和关系，我们还需要将语义数据模型或本体与图数据库中的数据相结合。在集成数据之上应用语义数据模型可生成真正的语义丰富的企业知识图谱。

为什么企业需要知识图谱？

        简而言之，企业知识图谱是语义人工智能的底座支撑。知识图谱赋予 AI 应用智能。换句话说，知识图谱提供了上下文，即数据中各种概念背后的含义。知识图谱帮助机器理解一个人就是一个人，并且一个人可以具有其他概念所不具备的特定属性，例如头衔、项目角色、专业领域、出生日期、口语等。现在，如果我们可以帮助机器了解项目是什么，项目可以具有哪些核心属性，如开始和结束日期、重点领域、产品、客户、项目经理等，那会怎样呢？更进一步，知识图谱允许机器对企业的数据进行推理，如推荐引擎、预测分析；通过这些简单的例子，我们可以看到教导机器理解我们的人类语言背后的含义以及我们各种概念之间的关系背后的力量。  

企业知识图谱的一些主要好处是：

• 企业知识图谱提供 AI 统计算法背后的语义上下文，以实现广受欢迎的认知应用。
• 企业知识图谱帮助企业的 AI 通过集成内容中的推理发现隐藏的事实和关系，否则您将无法大规模捕捉这些信息和关系。
• 企业知识图谱可帮助企业识别整个组织中不同数据源中关于特定主题、特定人员、项目、产品、索赔等的所有信息。   

        总的来说，企业知识图谱能逐渐学会企业所有你想让它学习的知识和信息，并将其全部串联起来变成一个超级大脑、无所不知，为企业管理者提供超强决策辅助，为业务人员提供及时全面的数据、知识支持。