知识图谱是什么(知识图谱是什么领域)奔走相告

2023-09-07Aix XinLe

据艾瑞咨询统计推算，2019年涵盖大数据分析预测、领域知识图谱及NLP应用的大数据智能市场规模约为106.6

据艾瑞咨询统计推算，2019年涵盖大数据分析预测、领域知识图谱及NLP应用的大数据智能市场规模约为106.6亿元，预计2023年将突破300亿元，年复合增长率为30.8%，其中2019年市场中以金融领域和公安领域应用份额占比最大，金融领域因标准化数据积累丰富，行业认知与直接需求最为明显等因素，成为数据智能最早落地并产生价值的行业；公安领域经过三年的感知智能基础设施建设，已经初步形成人工智能应用环境，在党中央和公安部的号召指导下，公安大数据建设将成为下一阶段的主题，这一趋势也在2019年相关招标项目中得以体现。

随着整体市场数据基础的完善和需求唤醒，大数据智能领域规模持续走高，但在行业可落地性和理性建设的限制下，预计市场增速将呈现下降趋势，期间咨询性需求将会大量出现，从整体发展来看增速处于良性区间，对真正有价值的公司和产品有正向意义。

知识图谱应用——搜索引擎领域知识索引可将有价值的信息以自然语言的形式直接展现

知识图谱应用——公共安全领域公安知识图谱重点解决数据关联性和数据价值挖掘问题公安大数据是全面助推公安工作质量变革、效率变革、动力变革的重要力量，受到党中央和公安部的高度重视，而作为大数据和人工智能双重技术的应用表现，知识图谱通过数据分析、文本语义分析等，抽取出人、物、地、组织机构、服务标识等实体，并根据实体的属性联系、空间联系、语义联系、特征联系等建立相互关联，构建一张具有公安特性的多维多层的实体与实体、实体与事件的关系网络，在解决公安大数据发展中面临的数据缺乏关联性等问题时起到了重要作用。

建设公安知识图谱仍然遵循知识图谱搭建逻辑，其中知识抽取、本体层建设和实战应用开发，需要将公安部门多年积累的实战经验与技术算法相互转换，重点考验公安知识图谱解决办法提供商对公安业务的理解能力和专业积累，是该行业竞争中重要的壁垒。

知识图谱应用——金融领域知识图谱与机器学习相结合的智能风控方案是主流趋势在金融领域中无论是传统金融或是互联网金融，信用评估、反欺诈和风险控制都是最为关键的环节，随着近些年金融数据的爆发式增长，传统风控系统逐渐力有不逮，而应用机器学习算法和知识图谱的智能风控系统在风险识别能力和大规模运算方面具有突出优势，逐渐成为金融领域风控反欺诈的主要手段。

机器学习和知识图谱相结合是目前主流的解决方案，其中机器学习算法通过概率计算的方式，以数学运算特征反应风险情况，形成易于机器计算的风控模型；而知识图谱通过权威经验和规则创建本体模型和抽取实体的范围，根据实体间关系形成关联数据网的图谱形式，描画囊括个人基础信息、金融行为、社交网络行为等用户综合画像，根据画像情况和模型对应，形成具有金融业务特性的风控体系，在解决方案的决策环节结合规则和概率的综合评价，给出最终的风险评估，整个过程能够实现秒级响应。

知识图谱的应用不仅能够为缺乏可解释性的机器学习算法带来必要的参考系，还可以串联金融业务中产生的大量多源异构数据形成数据中台，挖掘数据深层价值，为实现精准营销、投资关系梳理、产业链风险预警、智能催收等上层应用打下基础。

知识图谱应用——投研领域知识图谱通过自动抓取和产业链关系推理解决投研领域痛点对一级市场或二级市场的投资研究，一直是泛金融领域重要的课题，上市公司或一些重要的标的公司在公开网络中披露了众多如财务数据、定期公告、公司研报等有价值的信息，为投资者行为提供了充分的参考依据。

传统投研工作需要分析师通过各种渠道去搜集和判别信息，凭借个人经验对零散的数据进行组织建模，以报告的形式产出趋势观点和数据分析，大部分的物料和时间成本都花费在信息和数据的搜集上，而且成果可控性不高，纵使头部金融数据机构提供了相应的软件产品，但数据的颗粒度和产业链关联性仍难以满足多元需求，这成为了该行业长久存在的痛点。

投研知识图谱以公司信息、产业链关联为切入点，利用NLP技术自动抓取关键信息，搭建投研领域知识图谱，将各个行业的发展变化抽象导入数字层面，为知识查询和应用开发提供实现基础据统计，券商研报中80%的数据指标在传统软件产品中无法查询到，分析师在进入一个新领域时要耗费一周左右的时间搜集类似数据，而利用投研知识图谱可以将其必要劳动时间缩短到一分钟，大幅提高投研效率。

除静态领域图谱外，还可以利用时间序列搭建对网络报道、新闻事件进行抓取的事理图谱，两相结合，从行业固有逻辑和实时信息双管齐下，推导事情的发展脉络和趋势走向，为投研机构和投资者清晰的梳理关联脉络，为后续判断投资机会和持仓股票风险等研判类应用提供数据支撑。

知识图谱应用——司法领域知识图谱是“智慧司法”建设的基础工程司法领域是以公检法等国家司法机关及司法人员依照法定职权和法定程序，运用法律处理案件的专业领域近年，司法领域积极运用大数据、云计算、人工智能等先进技术，深入业务场景解决痛点问题，有效提升办案质效、辅助司法管理、服务群众诉讼，加速推进司法智慧化、数字化、现代化转型升级。

知识图谱的构建是实现智慧司法不可或缺的基础工程司法知识图谱将法律领域中的实体、属性和关系进行体系化梳理，并建立逻辑关联，通过知识图谱和大数据技术进行数据挖掘，辅助决策，洞察知识领域动态发展规律基于司法知识图谱，通过技术手段可实现司法业务场景的智能应用，解决“案多人少”“同案不同判”等现实问题。

目前，司法知识图谱已广泛运用于法律知识检索和推送、文书自动生成、裁判结果预测预警、知识智能问答、数据可视化等方面，为司法人员办案提供高效参考和科学依据，全新定义司法数据应用和司法智能化，凝练司法智慧，服务法治建设。

知识图谱应用——油气领域知识图谱应用为油气勘探开发和安全环保生产提供决策辅助目前，我国境内已探知的石油资源质量不高且产能有限，以至70%原油需求有赖于进口，加之国际原油价格持续走低，开采成本又很难摊薄，我国油气行业面临着生产效率与成本带来的巨大压力和挑战。

在油气领域中，生产环节主要包括产业链上游的油气勘探、开发生产和中游的油气储运、炼制与加工，存在的痛点是上游如何将钻探数据、地质数据等“地下信息”与地面工程执行高效结合，从而准确探明更有开发价值的油井；中游如何利用大量自动化设备和传感器产生的数据进行高效的安全生产，以及节能环保问题。

知识图谱凭借对多源异构数据关联性挖掘和知识体系信息化搭建等能力，在数字化程度较高、数据类型复杂的油气领域搭建认知网络，将领域知识与实时数据有机结合，为油气勘探、开发生产、综合研究、生产管理提供智能化分析手段，帮助决策者从海量的数据中洞悉规律，来提升效率和管理水平。

知识图谱应用——教育领域搭建知识图谱是AI技术落地教育领域核心环节的关键前提当前的教育场景可以划分为教、管、学、考，主要围绕教育者和受教育者进行授课、答疑、阅卷和学习、练习、考试等活动，本质上是通过系统化的知识传授与强化练习，使受教育者掌握知识点的过程。

传统教育模式以教师集中授课为主要方式，存在着特级教师资源少、优质教学资源分配不佳、教学内容和教学节奏制式化，以及作业练习布置缺乏个性化等问题在教育信息化和线上教育发展普及之后，AI+教育的概念随之产生，人工智能公司和教育机构希望通过利用AI技术部分解决上述痛点，以达到对教育参与者减负增效的目的，但因为教育领域参与个体众多，采集到的数据驳杂且零碎，难以直接有效应用，所以目前AI技术更多应用在如拍照搜题、口语评测、课堂监控等外围需求的工具上面，并未能有效深入到教学场景中。

而类似课题推送等应用更多是将教学资源再分配，重视知识的点状强化练习，却不深究知识的掌握程度，以至实际使用者反馈平平人工智能技术真正产生生产价值，一定要建立在充分且必要的数据基础上，搭建贯穿教材知识体系、教学资源管理和受教育者学习轨迹的知识图谱，将教与学的全过程进行可视化展现，使静态知识点数据与动态教学活动（如考试、作业等）数据产生关联，为算法应用提供支撑环境，是AI+教育能落地到产业核心的关键前提。