经过适当的引入常识知识和领域知识,可以对图谱中的节点和关系做向量化处理,进而突破以往基于字符串匹配的浅层语义,更加便利、有效的帮助客户组织领域知识,为流程优化、辅助决策、预测分析等下游应用提供基础服务。 明略科技在这方面有足够多的构想和实践。 来源 | AI科技评论 “ 我认为,知识图谱是企业下一代管理数据的一种新的组织方式,能够更高效的连接上游的大数据和下游的AI建模任务。 企业最初数据量少、结构单一的时候,用MySQL这样的结构化数据库就够了;再后来数据量越来越多、业务系统越来越复杂,就需要分布式数据库、数据仓库、数据集市来管理数据资产。这类数据都需要事先定义好结构。但在大数据时代,你不可能事先将数据的结构定义好,于是很多企业开始利用像 Hadoop 等来搭建大数据平台,以NOSQL的方式存储那些事先无法定义的数据。但这些数据之间如何有效关联?例如,当一些查找稍微深度(例如四、五度或出现隐形关系),这就需要利用知识图谱进行数据组织了。 ” 在近期AI科技评论对张杰博士进行的采访中,张杰如是回答了他对知识图谱未来发展的看法。
张杰博士是明略科技资深科学家,明略科学院知识工程实验室主任,加入明略科技后便一直在负责明略科技“行业知识图谱”的研究和搭建工作,在此之前曾在华为中央研究院从事机器学习方面的研究工作。
张杰提到:“在我们内部,我们认为知识图谱是企业下一代的数据仓库。它的优点除了能够高效地进行深度关系查询外,还能图谱基础之上做一些推广,通过引