工业场景知识图谱落地实战

公众号 系统之神与我同在

本文包含以下四部分内容：

1、痛点分析

2、图谱构建流程

3、核心技术解析

4、应用案例

痛点分析
设备信息分布散乱

各种设备知识分散在不同数据库、电子文件、 线下文档中，结构化水平低。

设备知识运营管理困难

不同类型的设备知识需要，纯靠人 力难以进行管理知识库构建运营成 本高。

知识处理技术手段有限

检索设备知识不方便；统计设备知 识缺少可靠的技术手段。

知识服务能力不足

无法满足专业人员进行现场故障缺陷 分析、做出相关专业结论与建议 。

设备知识资料增长迅速

设备每天都会产生新的运行数据与检修记录， 爆炸式的数据增长增加了知识维护难度。

知识运营能力缺乏

知识专业程度较高，专家较难日常工 作较忙，难以抽出时间针对专业知识 进行运营管理。

知识智能——新基建背景下的企业智能化改造

知识管理对企业的价值

智能检修知识中心价值

图谱构建流程
设备维护知识中心 - 整体架构

研究路径

知识图谱是实现智能知识管理和计算的关键

知识图谱本质是一种知识的表示形式。

知识新增-基于知识的知识图谱构建流程

知识生命周期

基于知识图谱、自然语言处理、智能搜索等AI核心技术，打造结合设备全寿命周期的设备知识库，为一线员工提供高效便捷的知识构建、组织和应用能力，满足设备管理各类业务场景知识服务智能化需求，提升公司设备管理水平。

设备知识地图

知识图谱消费包括：

·知识聚合
·图谱分析
·文档加工
·辅助文档编制
·可视化展示
·知识推荐
·智能问答
·语义搜索

核心技术解析
知识构建-文档解析

知识组织-图谱构建关键技术

知识组织-图谱构建关键技术

知识应用-知识检索

传统检索仅基于词去搜索，忽略了问题或文档的语义信息。Bert-Search可以让检索具有高于词语级别的能力，能够理解句、段落、篇章的语义信息。

应用案例
结构化智能搜索

精准的知识援助问答机器人

提供知识图谱的自然语言查询和问答能力， 能够在决策中提供相应的知识援助。基于多

轮会话、意图识别等人机会话技术，融合了 图谱问答与FAQ问答能力，。能够按照真实

场景与需求构建自然语言查询与问答，在答 案中推送相关知识子图，同时支持对接外部

业务接口整合优化。
知识学习与培训

工业设备全寿命周期信息库

汽车领域知识系统业务架构