知识图谱产品,欢迎合作

liuxiao1218
liuxiao1218 2020-12-03 字数 1264
loading ...

关于知识图谱,你了解多少?

从谷歌2012正式提出了“知识图谱”到现在,已经过去了8年多时间,知识图谱的应用场景越来越多,问答机器人、自动驾驶、智能制造、知识组织管理、用户画像、舆情监控等等。各行各业尤其是知识服务和大数据领域对知识图谱的需求越来越强烈。“三元组”构建知识图谱的理念更加深入人心,尤其是大型生产制造企业和科研院所,对知识图谱及其衍生应用的需求更甚。可以说,知识图谱是人工智能技术的表现形态之一,是知识大爆炸时代实现知识结构化和知识精准化的利器。

但是,专门服务于B端的更加专业的知识图谱,通过三元组构建的方式,往往令人望而却步。本想着三元组构建知识图谱能够实现知识价值挖掘和放大,可后来却发现想通过三元组方式构建专业的知识图谱是何其的困难,这真是理想很丰满,现实很骨感。

三元组构建知识图谱难点在于“人”,因为需要人花大量的时间,去人工标注三元组。为了保证标注有较高的准确性,就需要找专业的人来标注,光专业还不够,还需要认真耐心细心,光这还不够,还有有效率。而且人工标注三元组,是基于人当前的认知水平,去提取知识,进行标注,想想肯定会错过很多不知道的知识,试想一下,从海量数据中由人工提取认为可用的信息,进行标注,需要多长时间,投入多少经济,能达到什么样的效果,都未可知,这就是很多企业望而却步的主要原因。

这时,一种无监督方式,由机器自动构建的强关联的知识图谱技术显得颇为重要。但这种技术构建的知识图谱也有他的不足,那就是无法自动描述实体关系。

欢迎微信交流合作

Entrepreneur 创业者论坛
9 个回复
slowaction
slowaction 2020-12-03

技术越好的公司越容易掉技术坑里面出不来

客户关心三件事:

你能解决什么问题?

你怎么解决的?

你能给我带来什么好处?

好多技术公司讲完ppt,客户一脸懵

评价“你这产品不错,继续做吧,我还有事,先走了”

【 在 liuxiao1218 的大作中提到: 】

: 关于知识图谱,你了解多少?

: 从谷歌2012正式提出了“知识图谱”到现在,已经过去了8年多时间,知识图谱的应用场景越来越多,问答机器人、自动驾驶、智能制造、知识组织管理、用户画像、舆情监控等等。各行各业尤其是知识服务和大数据领域对知识图谱的需求越来越强烈。“三元组”构建知识图谱的理念更加深入人心,尤其是大型生产制造企业和科研院所,对知识图谱及其衍生应用的需求更甚。可以说,知识图谱是人工智能技术的表现形态之一,是知识大爆炸时代实现知识结构化和知识精准化的利器。

: 但是,专门服务于B端的更加专业的知识图谱,通过三元组构建的方式,往往令人望而却步。本想着三元组构建知识图谱能够实现知识价值挖掘和放大,可后来却发现想通过三元组方式构建专业的知识图谱是何其的困难,这真是理想很丰满,现实很骨感。

: ...................

theonlyone
唯一 每天有点进步,少浪费时间 2020-12-03

难得版上出来个有技术含金量的

能介绍个具体行业具体客户场景吗

【 在 liuxiao1218 (liuxiao1218) 的大作中提到: 】

: 关于知识图谱,你了解多少?

: 从谷歌2012正式提出了“知识图谱”到现在,已经过去了8年多时间,知识图谱的应用场景越来越多,问答机器人、自动驾驶、智能制造、知识组织管理、用户画像、舆情监控等等。各行各业尤其是知识服务和大数据领域对知识图谱的需求越来越强烈。“三元组”构建知识图谱的理念

liuxiao1218
liuxiao1218 2020-12-03

谢谢关注

广义上来讲,知识图谱产品没有行业限制,只要是平时生产经营中,会从各种来源(内部各种系统,外部各种网站,专业资源库等)大量的信息中查找自己需要的信息,然后将之梳理成自己需要的样子,应用到工作中的,都可以用到知识图谱。

举一些具体的例子:

例一:撰写报告,需要用到很多专业领域的知识,平时都是用户自己从知网、微信公众号或者网站上乱找一气,找到很多有用没用的结果,然后在费劲巴列的筛选有用的,筛选出来就完了吗,不是,还得梳理出思路和知识条理才能应用,现在我们的主题图谱技术(狭义知识图谱的一种变体)就可以帮用户自动完成这一系列工作;

例二:现在国家对招投标管的很严,标书是否存在串标等不规范行为,招标内容是否故意倾向某家单位,通过图谱技术的相似性解析能力就可以自动解决;

例三:知识检索,这是应用最多的,不需要用什么高级检索,布尔检索,就能实现精准检索;

例四:个性化推荐,不需要获取用户任何隐私,即可实现个性化推荐,也叫绿色推荐;

例五:知识自动分类,将各种来源的数据,统一按照自有体系进行自动分类,节省大量人工。

场景太多了,实在写不过来,欢迎继续探讨

【 在 theonlyone 的大作中提到: 】

liuxiao1218
liuxiao1218 2020-12-03

谢谢关注

广义上来讲,知识图谱产品没有行业限制,只要是平时生产经营中,会从各种来源(内部各种系统,外部各种网站,专业资源库等)大量的信息中查找自己需要的信息,然后将之梳理成自己需要的样子,应用到工作中的,都可以用到知识图谱。

举一些具体的例子:

例一:撰写报告,需要用到很多专业领域的知识,平时都是用户自己从知网、微信公众号或者网站上乱找一气,找到很多有用没用的结果,然后在费劲巴列的筛选有用的,筛选出来就完了吗,不是,还得梳理出思路和知识条理才能应用,现在我们的主题图谱技术(狭义知识图谱的一种变体)就可以帮用户自动完成这一系列工作;

例二:现在国家对招投标管的很严,标书是否存在串标等不规范行为,招标内容是否故意倾向某家单位,通过图谱技术的相似性解析能力就可以自动解决;

例三:知识检索,这是应用最多的,不需要用什么高级检索,布尔检索,就能实现精准检索;

例四:个性化推荐,不需要获取用户任何隐私,即可实现个性化推荐,也叫绿色推荐;

例五:知识自动分类,将各种来源的数据,统一按照自有体系进行自动分类,节省大量人工。

场景太多了,实在写不过来,欢迎继续探讨

【 在 theonlyone 的大作中提到: 】

liuxiao1218
liuxiao1218 2020-12-03

别走啊,可以再交流下,多交流才能讲明白

【 在 slowaction 的大作中提到: 】

theonlyone
唯一 每天有点进步,少浪费时间 2020-12-03

可能我的表述不够清楚,其实是想请您举个例子

一个具体A行业的B公司,什么规模,什么营收

他们什么场景能用上,大概愿意花多少钱来做

和他们已有系统什么关系

有一些好的东西,大家都觉得好,但是不愿意花钱用,这也没法卖啊

【 在 liuxiao1218 (liuxiao1218) 的大作中提到: 】

: 别走啊,可以再交流下,多交流才能讲明白

slowaction
slowaction 2020-12-03

第一个关键问题,你有数据么?

客户对购买一个技术或者一个工具是不感兴趣的

他们需要的是解决问题和产生效益

所以你要找到数据合作商,才能给客户一个解决方案

第二,你必须深入理解客户的业务

太泛化的产品是没有前途的

目前市场绝大部分的图谱 ai 大数据 自然语言产品有一个共性的问题

既不知道客户有什么数据,也不知道客户要什么结果

但是他号称可以解决客户的问题

【 在 liuxiao1218 的大作中提到: 】

: 别走啊,可以再交流下,多交流才能讲明白

jesse621
jessedanle 2020-12-07

知识的构建是最核心的部分,无监督最大问题是实体定义识别,语言理解和消歧,知识图谱应该特定一些行业,专家知识丰富,分类明确。

【 在 liuxiao1218 的大作中提到: 】

: 关于知识图谱,你了解多少?

: 从谷歌2012正式提出了“知识图谱”到现在,已经过去了8年多时间,知识图谱的应用场景越来越多,问答机器人、自动驾驶、智能制造、知识组织管理、用户画像、舆情监控等等。各行各业尤其是知识服务和大数据领域对知识图谱的需求越来越强烈。“三元组”构建知识图谱的理念更加深入人心,尤其是大型生产制造企业和科研院所,对知识图谱及其衍生应用的需求更甚。可以说,知识图谱是人工智能技术的表现形态之一,是知识大爆炸时代实现知识结构化和知识精准化的利器。

: 但是,专门服务于B端的更加专业的知识图谱,通过三元组构建的方式,往往令人望而却步。本想着三元组构建知识图谱能够实现知识价值挖掘和放大,可后来却发现想通过三元组方式构建专业的知识图谱是何其的困难,这真是理想很丰满,现实很骨感。

: ....................

liuxiao1218
liuxiao1218 2020-12-14

你说的挺赞的,三元组构建知识图谱,是在已知认知下的知识图谱构建,无监督知识图谱是对未知且存在强关联关系的知识的挖掘。至于用那种方式,要结合具体业务探讨。只不过现有认知下,人们提到知识图谱首先想到的是三元组构建知识图谱,但这种方式成本高昂,非一般单位所能承担。

【 在 jesse621 的大作中提到: 】

: 知识的构建是最核心的部分,无监督最大问题是实体定义识别,语言理解和消歧,知识图谱应该特定一些行业,专家知识丰富,分类明确