知识萃取
融合多源信息，抽取信息知识
知识构建
汇聚海量知识，构建知识图谱
知识融合
重构逻辑关系，建立智能认知
知识应用
释放知识价值，智慧行业应用
- 支持编辑知识图谱数据生成任务信息，包括源数据选择、信息抽取配置、知识映射信息配置
- 支持复制知识图谱流水线配置
- 支持建立结构化数据到知识图谱中的实体、属性、实体的映射关系
- 支持全量、增量数据，更新图谱
- 支持AI^2识别实体模型导入，自动映射
- 本体自动构建
- 图谱数据自动导入
- 图谱数据稽核及人工校对提醒
- 图谱分析API自动化生成
- 多维度信息识别：从视觉、文字、语音、运行行为等多个维度对视频信息进行分析，识别视频中的人物、物体场景、地标、文字、语音等内容
- 多模态内容理解：采用多模态融合对齐、跨模态映射等技术术，对媒体内容进行多模态融合识别，高效、精准理解视频内容
- 机器主动触发知识：根据上下文内容主动触发知识
- 机器主动推荐知识：根据聊天内容触发知识推荐
- 机器主动切换知识：主动切换到关联知识上
- 以业务结构化数据、文档元数据作为数据源，构建结构化的企业知识图谱
- 以构建好的知识图谱服务于各类企业知识应用场景，如：找客户、找项目、找友商
智能图谱构建和知识获取
- 一站式、全流程图谱构建
- 跨域多模态隐性知识获取
AI赋能知识应用
- 高效的知识管理工具
- 企业级知识检索引擎
- 多策略智能知识问答
- 个性化多样知识推荐
知识沉淀释放数据价值
- 突破数据价值瓶颈
- 提取沉淀领域知识
- 知识转化服务场景
- 降本增效创新开拓
便捷化知识构建
高效便捷的知识构建平台，用户经过简单培训即可快速构建图谱
多样化知识开放
通过服务能力开放与知识仓库等多样化方式充分开放知识图谱的能力
场景化算法沉淀
提供基于图谱的专业方向智能认知，快速应对各专业领域对于认知智能的需求
- 以“打、防、管、控”为目的，以综合研判为核心，技术生态包括数据感知、智能认知(知识图谱产品)、智慧应用三层。知识图谱构建的关系网络，可解决公安大数据发展中面临的数据缺乏关联性等问题
数据预处理中心
用于多源异构数据预处理与文本标准化
知识加工中心
形成知识加工流水线，简化加工流程
知识计算中心
提供基于图谱的专业方向智能认知
服务开放
对外开放的API服务与SDK接口
知识库工具
提供知识库的基础管理与运营所需能力
会话机器人
提供多轮会话、智能问答、主题聊天等
知识图书馆
提供行业领域的知识及服务
分布式图数据库支持
引入Nebula Graph图数据库支持
基于知识图谱与人工智能技术相结合，实现行业标准文件及引用文件的自动化解析、信息的精准识别与提取，进一步构建汽车标准全关联知识图谱，形成行业知识库，并提供高效的智能搜索和自动推荐，知识检索准确率达90%以上，目标知识检索速度低于3秒。
- 90%节省知识检索人力
- 85%提高应急检索效率
利用知识图谱实现客服投诉智慧应答、热点问题实时识别、处理措施推荐、问题原因挖掘分析，进而保证前端一线业务问题、后端投诉处理、投诉压降分析等工作的高质量、高效率支撑。
- 200%业务处理效率提升
- 80%客户投诉率降低
实时获取新闻热点事件并抽取形成事件图谱，并结合已有影视知识图谱以及广大用户个人收视情况画像来智能推荐相应的媒体资源。为公司分析和推荐影视资源的编排起到了很有效的参考和支撑。
- 50%影视点播率上升
- 80%工作编排效率提升