在安全领域,,一个具有代表性的案例是Palantir,,因通过大规模知识图谱协助抓住了本·拉登而声名大噪。。。据报道,,Palantir在实战中对各个区域的各类事件(武装袭击、、、、爆炸、、绑架等)进行大规模关联分析,,,通过数据可视化钻取和查询,,,,对关系挖掘与分析,,找出了事件之间的因果关系链。。。
这是知识图谱的经典应用案例之一,,,,实际上,,知识图谱并不是一个全新的概念。。2012年便由Google公司首先提出,,知识图谱是为了准确地阐述人、、、事、、、物、、、、地、、、、组织等之间的关系,,,,一般情况下,,我们可以使用关系图来表示知识图谱,,,它是信息与智慧之间的一座桥梁。。

近年来,,随着人工智能技术的发展,,,算法精度和算力不断提升,,,,数据来源愈发广泛,,,大规模自动化的知识获取和全新的知识表达成为可能,,知识图谱开始应用于更多的应用场景,,,成为认知智能领域的核心技术之一。。。
从看见,,,到读懂,,,需要的是NLP技术
新一代人工智能正逐步从感知智能向认知智能发展,,,,对于机器识别来讲,,,不仅是会看,,更要看懂并做出决策。。。。当人们能使用机器识别更多事物,,,自然而然地引发了对事物的理解分析和决策等深层次的自动化知识服务的需求。。然而需要外部知识、、、逻辑推理或者领域迁移的认知智能领域还处于初级阶段,,,由于知识图谱富含实体、、、属性和关系等信息,,使机器理解与解释现实世界成为可能。。早期的知识图谱又被称为“知识域可视化”或“知识映射地图”,,,,两者都可以利用已经结构化好的数据迅速搭建起来。。。但接下来,,随着知识图谱构建和应用到了深水区,,,从单纯的知识服务,,,,逐步向决策和预测服务过渡。。。。
从NLP的角度来看,,构建知识图谱需要了解如何从非结构化的文本中抽取语义和结构化数据。。。目前从结构化和半结构化中抽取知识并构建知识图谱的技术已经相对成熟,,但超过80%的信息储存于非结构化的文本中,,,,这就需要设计一套可靠的信息抽取技术,,,而信息的有效抽取也是当前NLP技术的一个痛点和难点。。。
蚁鸣打造的云谱系列产品,,其基础底座是玄武大数据平台,,,嫁接的是行业知识图谱,,,,同时还包括一系列的布局算法、、聚类算法、、最短路径查找算法和图计算算法。。。

云谱的“探索分析能力”最核心的优势是:无论是结构化数据,,,,还是非结构化数据,,,这些信息都以知识图谱的方式关联起来,,行业要素图谱化,,,帮助“数据”到“知识”转化,,,,最后形成“智慧”存储沉淀下来,,为各垂直行业分析研判赋能。。
从技术,,到应用,,,云谱解析行业数字智慧化
云谱是蚁鸣打造的“风险知识一个池”中的重要部分,,,为事件的深度挖掘和理解提供了清楚的脉络解析,,,,随着云谱平台和应用的不断完善与深入,,,,蚁鸣助力智能社会、、、、医疗健康、、、民生、、金融等众多领域应用场景,,,,例如图谱研判、、语音助手、、、、聊天机器人、、、、智能问答等。。
蚁鸣基于医疗知识图谱开发出多个智能服务的应用场景。。比如,,基于医疗知识图谱的智能问答,,,,云谱可以提升问答机器人的智能化程度。。。

它首先构建疾病症状、、、药物、、病理、、、、病因、、、诊断方法等相关的领域知识之间的关系;构造适用于医疗图谱信息抽取词向量模型,,,通过自然语言交互的方式,,满足用户知识获取、、业务咨询、、、操作执行等需求。。。在这种全新的人机交互形式下,,,云谱扮演着“大脑”的角色,,,,基于知识图谱的问答系统,,,可以更好的理解问题,,,通过关系推理,,,,得到更精准的答案。。。
在安全领域,,蚁鸣云谱重点解决数据关联性和数据价值挖掘问题,,,赋能线索情报分析与案件预警,,,辅助相关决策。。。。

随着跨部门、、警种、、、、业务的协同和融合作战大趋势的到来,,知识图谱能通过数据治理、、数据分析、、文本语义理解等技术手段,,,,抽取出人、、号、、企、、、、物、、、地、、组织、、、身份标签等实体,,,,并根据其中的属性、、、时空、、、语义、、、特征、、、、位置联系等建立相互关联,,,构建一张多维多层的实体与实体、、、实体与事件的关系网络。。。它能实现重点人员场所关联分析、、物品关联分析、、、、团伙关系分析、、异常事件挖掘、、、、相似案件推理等功能,,,提升公共安全信息化的智能化水平,,促进情报研判的演进,,高效服务打防管控工作,,,,甚至可达到精准的犯罪预测预警。。。。
无知识图谱,,,,不AI,,,,知识图谱是人工智能应用链条的底层支撑技术和关键应用。。。。未来,,,蚁鸣将持续在技术领域探究创新,,,,将知识图谱、、深度学习、、、、NLP等技术融合,,,推动人工智能产品的升级,,助力智能社会建设。。。。





湘ICP备20003263号-1