终于有人把知识图谱讲明白了

作者:人工智能 144文章阅读时间:6分钟

文章摘要:在2022年世界互联网大会乌镇峰会期间,“大规模知识图表示学习的体系化基础算法及开源工具”入选2022年“世界互联网领先科技成果”,自2012年5月,谷歌通过其官方博客正式发布搜索页面的新功能—知识图谱,自这一天起,知识图谱风靡国内,并被应用到工业的各个环节中。

在2022年世界互联网大会乌镇峰会期间,“大规模知识图表示学习的体系化基础算法及开源工具”入选2022年“世界互联网领先科技成果”,自2012年5月,谷歌通过其官方博客正式发布搜索页面的新功能—知识图谱,自这一天起,知识图谱风靡国内,并被应用到工业的各个环节中。

比如在华为开发者大会上展示出的黑科技:小说任务关系自动生成。华为阅读推出了一款新功能叫做人物图谱,可以自动帮助读者生成“人物关系图”,帮助大家迅速理清人物之间的关系,点击相关人物就能看到人物介绍及出现的章节,帮助读者扫清阅读障碍,其背后利用的就是知识图谱的技术。

那么知识图谱到底是什么呢?看了那么多科普,对于知识图谱还是一知半解?

“知识图谱又称为科学知识图谱,在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。”

我们简单来看一下它的构成

知识图谱通过对错综复杂的文档的数据进行有效的加工、处理、整合,转化为简单、清晰的“实体,关系,实体”的三元组,最后聚合大量知识,从而实现知识的快速响应和推理。

知识图谱有自顶向下和自底向上两种构建方式。所谓自顶向下构建是借助百科类网站等结构化数据源,从高质量数据中提取本体和模式信息,加入到知识库中;所谓自底向上构建,则是借助一定的技术手段,从公开采集的数据中提取出资源模式,选择其中置信度较高的新模式,经人工审核之后,加入到知识库中。

看一张简单的知识图谱:

如图所示,你可以看到,如果两个节点之间存在关系,他们就会被一条无向边连接在一起,那么这个节点,我们就称为实体(Entity),它们之间的这条边,我们就称为关系(Relationship)。

知识图谱的基本单位,便是“实体(Entity)-关系(Relationship)-实体(Entity)”构成的三元组,这也是知识图谱的核心。

从具体场景我们来看一下它的具体应用:

1、搜索

搜索的终极目标是对万物直接进行搜索。传统搜索是靠网页之间的超链接实现网页的搜索,而语义搜索是直接对事物进行搜索,比如人、物、机构、地点等。知识图谱和语义技术提供了关于这些事物的分类、属性和关系的描述,这样搜索引擎就可以直接对事物进行搜索。比如我们想知道“《觉醒年代》的导演是谁?”,那么在进行搜素时,搜索引擎会把这句话进行分解,获得“《觉醒年代》”,“导演”,再与现有的知识库中的词条进行匹配,最后展现在用面前。传统的搜索模式下,我们进行这样的搜索后得到的通常是包含其中关键词的网页链接,我们还需要在多个网页中进行筛选。可以看出基于知识图谱的搜索更加便捷与准确。

2、问答

人与机器通过自然语言进行问答与对话也是人工智能实现的标志之一,知识图谱也广泛应用于人机问答交互中。借助自然语言处理和知识图谱技术,比如基于语义解析、基于图匹配、基于模式学习、基于表示学习和深度学习的知识图谱模型。

3、辅助大数据分析

知识图谱也可以用于辅助进行数据分析与决策。不同来源的知识通过知识融合进行集成,通过知识图谱和语义技术增强数据之间的关联,用户可以更直观地对数据进行分析。此外知识图谱也被广泛用于作为先验知识从文本中抽取实体和关系,也被用来辅助实现文本中的实体消歧,指代消解等。

如果你还是不明白,那我们来看一个案例:

背景简介:

施耐德电气有限公司(Schneider Electric SA)是总部位于法国的全球化电气企业,全球能效管理和自动化领域的专家,在全球100多个国家拥有超过16万名员工。
施耐德电气的产品包含了上千个产品线,每个产品线又包含多个型号和技术选型,数万个产品的产品信息构成了一个庞大的数据量,这些数据的管理给施耐德的数字化进程提出了挑战,用户想要查询这些数据变的更加困难。

业务分析:

产品参数咨询

客户对施耐德电子的产品的各种产品参数进行咨询,了解产品性能,选购合适的产品

故障咨询

客户对产品的故障进行描述,寻找故障对应的解决方案

替换咨询

客户在咨询产品的过程中,对部分涉及到的产品询问是否有替换的产品方案,需要对不同产品进行关联,进行替换推荐

运用知识图谱:

1、运用文本机器人和知识库,进行数十万产品的参数一站查询样本、证书快速获取多系统对接,数据实时更新,实现了产品选型;利用知识图谱实现精准推荐,产品参数快速查询。

2、利用ServiceGo+FMEA图谱+KCS知识库+企业搜索的组合,更加有效地完成工厂故障排查工作;FMEA知识问答提效现场维修工作,基于构建的FMEA知识图谱,实现意图准确识别 精准匹配,多形式展现知识答案、多级关联图谱知识、相关知识推荐,快速解决问题。

3、KCS知识库可以构建知识社区;评论点赞点踩;实时反馈;通过知识生产平台自动抽取技术,从知识中自动提取有效的FAQ知识对,丰富机器人知识库,构建统一搜索平台;大大缩短获取知识的速度。

应用效果:

1、节省了30%~40%人工成本
匹配率80%,拦截率72%,高效拦截客户咨询

2、用户满意度提升
用户可以精确查询产品信息,避免从大量文档中搜索,实时高效,提高用户满意度

3、客服效率提升
用结构化的知识维护产品信息,结构更清晰,便于管理

4、故障排查效率提升
通过故障现象描述,智能推荐解决方案,大大缩短了故障处理时间,排查效率大幅提升

》》点击免费试用智能知识图谱,优势一试便知

相关词条推荐:知识图谱 | 企业知识图谱 | 智能知识图谱

文章为沃丰科技原创,转载需注明来源:https://www.udesk.cn/ucm/report/28227

制造业知识图谱知识图谱知识图谱解决方案

上一篇: 下一篇:

终于有人把知识图谱讲明白了的相关推荐

最新文章推荐

展开更多
 

手机登录下载

 

使用手机登录账号,免费下载白皮书

 
手机登录