知识图谱如何辅助企业决策？| 星科技•专精特新“小巨人”
前沿科技
国家级
专精特新
“小巨人”
随着信息化与数字化建设的开展与NLP技术的进步，知识图谱衍生出了多种产品类型，专业化与场景化的趋势日渐明显，行业知识图谱已经成为市场开拓重点。知识图谱为海量、异构、动态的大数据的表达、组织、管理以及利用提供了更为有效的方式，将更好地辅助人类做出复杂决策。
01
行业知识图谱成市场开拓重点
根据华经情报网的介绍，知识图谱是一种描绘实体之间关系的语义网，是新一代的知识工程技术，以NLP（自然语言处理）为底层技术，捕捉数据、信息等内容并梳理，组合成图谱形式，为AI提供知识储备。
除了专业搜索引擎外，知识图谱的主流产品形态可按通用型与垂直行业型划分，通用知识图谱强调知识广度，逐渐演变为通用互联网知识图谱，包含搜索引擎、智能推荐、智能问答等。垂直行业知识图谱强调知识深度，用于问答、辅助决策与业务分析，是支持Al大脑深度思考的知识库基础。
知识图谱主流产品形态梳理，资料来源：公开资料整理
艾瑞咨询《2022年中国知识图谱行业研究报告》显示，从市场整体来看，2021年中国知识图谱核心市场规模为107亿元，到2026年，核心市场规模可突破290亿元，2021-2026年CAGR为22.5%。
随着信息化与数字化建设的展开与NLP技术的进步，知识图谱不再局限于网络百科式的搜索，衍生出了互联网内容与社交、大数据知识图谱与行业知识图谱等多种产品类型，产品专业化与场景化的趋势日渐明显，行业知识图谱已经成为市场开拓重点。
目前，金融与公安两大行业的知识图谱占比较高且增长速度较快，其业务与知识图谱可密切结合，具备建设意愿与资金投入，因而成为了市场规模的主要拉力。
02
面向复杂决策的知识图谱
在行业知识图谱加速发展的背景下，建设知识图谱生态成为必然需求。要建设知识图谱生态，需由监管引导方、供给方、需求方、投资方、高校及科研院所融合共建，汇聚建设合力，促进产业生态成长壮大。
各方应相互提供资源支持，促成政策、人才、技术、资本、市场、商业的交互，探索与克服知识图谱行业技术与业务难点，共同收获产业发展价值，实现价值创造与价值分配的有机结合，形成共生共赢的合作体系，推动产业不断向前发展。
华经情报网认为，知识图谱行业未来发展将出现几大趋势：
1、创新的知识图谱形态-构建多模态知识图谱
当前知识图谱技术已经被广泛用于处理结构化数据和文本数据，但对于视觉、听觉数据等的关注度相对较低，且目前仍缺乏有效的技术手段来从这些数据中抽取知识。
如果在更大范围内进行链接预测和实体对齐，进而进行实体关系抽取，能使现有的模型在综合考虑文本和视觉特征时获得更好的性能。即多模态知识图谱在传统知识图谱的基础上，把多模态化的认知体验与相应的符号关联，构建多种模态下的实体，以及多模态实体间多种模态的语义关系，即使得图谱本身一开始就具备多模态的特性。
2、知识图谱与区块链技术结合发展
区块链技术的最关键特征为去中心化，即不依靠中心管理节点，让每个个体都有机会成为中心，能实现数据的分布式记录、存储和更新。
在知识图谱中运用区块链技术能实现多节点知识输入、储存和更新，使开放链接知识库在更多分布节点获取知识，鼓励更多人群、特别是那些具有专业领域知识的人共同来参与知识图谱的搭建，实现知识量的进一步充实。
3、知识图谱市场向杠铃型结构发展
自动化构建知识图谱的特点是面向互联网的大规模、开放、异构环节，利用机器学习技术和信息抽取技术自动获取互联网信息，构建更大规模的常识知识图谱有利于支撑深度学习的计算。
但当前知识图谱在构建和落地过程中对人工的依赖程度还较高，导致构建成本高、效率低，在相对通用的知识图谱中自动化、大规模、高质量的构建技术扔有待探索。
深度的知识（尤其是业务知识）应用和实际问题仅靠简单地同质化数据堆砌和数据驱动的统计模型的构建难以解决，亟待探索面向复杂决策的知识驱动的智能应用。
03
质量辅助分析知识图谱平台
在工业智能制造的背景下，将庞大的数据信息转化为有用的知识，并对其进行分析和利用，实现知识自动化以处理复杂的故障状况非常关键。在这种情况下，特定领域的知识图谱也越来越受到重视和应用。
达观数据作为业内首个利用知识图谱技术提供工业制造领域数据图谱化应用服务的企业，创新地将故障分析与知识图谱进行有效结合，构建出质量辅助分析知识图谱平台，将电气、机械、工艺、动力和装备等行业的知识在企业内部沉淀下来，助力先进制造型企业打造基于认知智能的质量体系，持续提升产品质量和生产可靠性水平；助力工业制造领域更好的应对设备故障问题，提高产品良率。
1、类案分析推荐
在达观质量辅助分析知识图谱平台上，利用知识抽取技术从各类经验性文档，如故障报告、故障工单、维修记录中获取故障数据信息，并将其转化为有价值的知识，使故障知识和关系结构化、显性化和可视化，从而使故障知识得到有效的积累和组织，并形成持续积累的故障案例知识库。在故障的处理过程中，平台提供类案推荐功能，辅助工程师通过相似历史案例进行维修；同时也提供案例统计分析功能，为产线工程师制定优化策略提供数据分析支持（如优化生产工艺、增加产品测试手段、替换原材料供应商等）。
2、维修作业指导
维修故障过程除了参考历史的故障经验知识以外，达观质量辅助分析知识图谱平台还针对设备的缺陷汇编、运行规范、检修规范等进行了结构化解析和抽取，解析结果包含设备的缺陷原因分析、处理方法、危险点分析、相关设备器具等。当工业机器设备设备发生故障时，维修负责人通过工单指派相关工程师并附上作业指导，现场维修过程维修工程师根据作业指导提到的内容，按照实际操作步骤进行作业，系统完整记录整个维修过程，并将结果以实操案例返回到故障案例库。
3、引导式诊断
相对与作业指导，维修手册会记录设备更为详细的诊断思路和诊断流程，主要以拓扑网络为特征，具有层次明显、父子关系鲜明等优点。达观质量辅助分析知识图谱平台提供按流程逐步引导维修工程师探测故障原因，过程中对接设备/产品获取动态数据，显示给维修技师并推荐下一步流程。对每个诊断流程，推荐相关的结构图、电路图、操作示意图、诊断工具、注意事项等信息；对故障原因或故障零部件，推荐故障维修方案，包括但不限于零部件更换的拆卸及安装程序、注意事项、操作示意图、零件结构图等。
从长远的角度看，使用达观质量辅助分析知识图谱平台，企业能够持续积淀知识和经验，不断完善专业领域的长效知识体系，统筹打造“知识生产-知识沉淀-知识创造”闭环，贯彻知识驱动发展，激发创新活力。
参考来源
https://baijiahao.baidu.com/s?id=1754961396529598523&wfr=spider&for=pc
https://mp.weixin.qq.com/s/i27vEKyuPrnnXTvkmcysew
END
相关阅读