「PlantData」研发认知智能中台,为行业提供知识图谱全生命周期解决方案

2020-01-16 11:59 | 达峰网

人工智能已经在“听、说、看”等感知领域取得了比较大的突破,但是在逻辑推理、知识迁移的认知智能领域方面还处于非常早期的阶段。知识图谱作为实现机器人认知智能的底层技术,能够帮助机器更好地理解数据,进行高精度的知识提炼,并且通过知识挖掘、推理、可视化分析等手段,更好地解释现象,辅助人类的决策分析。

知识图谱的应用可以分为两大方向。一类是通用知识图谱,以谷歌、百度、必应、搜狗为代表;另一类是行业知识图谱,例如早在2015年就已经估值超200亿美金的Palantir,面向国防公安领域,还有面向能源领域的美国公司MAANA。由于人工智能在落地的过程中,需要拥有对业务全流程Know-How的认知,知识图谱起到了很关键的作用。

在构建知识图谱的过程中,可以利用平台解决企业多源异构数据难以融合、数据模式动态变迁困难、非结构化数据价值难以挖掘,数据难以统一消费等问题,降低了行业知识图谱落地门槛。但在工程落地方面,还存在图谱建设周期长,应用构建专业程度高,跨行业迁移成本高等难题。由此带来的挑战会体现在——产品是否可以开箱即用,是否有相关行业的schema可以借鉴,多源异构数据梳理高成本如何解决,用户是否可以自助式构建应用等方面。

为了解决以上问题,PlantData提出了将知识图谱构建与应用平台升级为认知智能中台。

PlantData成立于2017年,目前业务主要面向军工和金融领域。PlantData结合用户业务场景需求搭配产品组件,通过几十种配适器方便用户将数据快速转换到知识图谱中,实现知识建模、知识获取、知识融合、知识存储、知识计算、知识应用的知识图谱全生命周期解决方案。

在降低企业大数据向知识转化的成本方面,PlantData通过组件微服务化,模型&数据模式预构建、业务编排等方式形成开箱即用的体系结构,并且帮助用户提高数据库梳理效率、同时支持自助式构建应用,提高企业数字化转型的效率。

此外,在知识图谱存储环节,PlantData没有用行业普遍采取的图数据库,而是自研了混合存储引擎来强化系统的分析性能,并且与图数据库相比具备更好的扩展性。引擎支持高效存储图形类、文档类、 记录类等各种类型的数据,同时拥有数据语义消费和图结构消费两方面的特性。

热门文章
图文推荐
最新推荐
编辑邮箱:fa4838731@gmail.com | xml地图 | 达峰网移动端
郑重声明:达峰网网站资源摘自互联网,如有侵权,麻烦通知删除,谢谢!