一、圖數(shù)據(jù)結構（graph）的作用

圖（Graph），將信息中的實體，以及實體之間的關系，分別抽象表達成為頂點以及頂點間的邊這樣的結構數(shù)據(jù)。像Facebook和Twitter這樣的社交網(wǎng)絡，其數(shù)據(jù)天生就適合于圖表示法。諸多典型的大數(shù)據(jù)應用易于通過圖來進行建模，如交通網(wǎng)絡、CDR通話圖、用戶與產(chǎn)品之間的二分圖、論文中作者之間的合作關系網(wǎng)、文章之間的索引關系、金融交易網(wǎng)絡等等。于是，基于圖數(shù)據(jù)的分析技術—關系分析（圖計算）應運而生。圖計算系統(tǒng)就是針對圖結構數(shù)據(jù)處理的系統(tǒng)，并在這樣的數(shù)據(jù)上進行針對性優(yōu)化的高效計算，知識圖譜的應用也屬于其中之一。

知識圖譜技術和傳統(tǒng)的知識管理相比，其分析文本數(shù)據(jù)和關系的能力實現(xiàn)了大的跨越。在具體的企業(yè)活動過程中，知識圖譜的運用也將實現(xiàn)傳統(tǒng)知識管理的一些功能盲區(qū)，擴展企業(yè)對收集信息的應用，降低企業(yè)在知識處理和分析方面的人力和物力投入。今天靈玖來為大家介紹一下知識圖譜在企業(yè)活動中的經(jīng)典運用場景。

企業(yè)決策：

如果企業(yè)的產(chǎn)品和銷售規(guī)模較大，那么從產(chǎn)品的生產(chǎn)到銷售要經(jīng)歷各種復雜環(huán)節(jié)。在將這些產(chǎn)品進行直接分配時，這些產(chǎn)品的分配量和分配時間等數(shù)據(jù)均需要經(jīng)過仔細考量，同時還需結合當時的消費實況進行及時調(diào)整。這個分析過程中，數(shù)據(jù)多是非標準數(shù)據(jù)，實現(xiàn)這些數(shù)據(jù)分析將成為一個巨大的工作量，如果采用知識圖譜技術實現(xiàn)非結構數(shù)據(jù)分析，將直接提高企業(yè)的生產(chǎn)效率和資源分配率。

定位客戶：

無論是在售前尋找和篩選潛在客戶,還是在售中與有意向的客戶進行交談,還是在售后對客戶態(tài)度進行分析統(tǒng)計,對客戶的分析和定位都十分重要。知識圖譜能夠基于人工智能技術，理解客戶的意圖,根據(jù)業(yè)務場景的需求,制定和品牌以及產(chǎn)品屬性相關的知識圖譜來進行細粒度的語義分析。例如,根據(jù)各大社交論壇中的用戶評價,分析產(chǎn)品獲得的及時反饋。對各種用戶評價和用戶信息進行語義分析，有利于企業(yè)更準確的定位客戶。

產(chǎn)品擴展：

產(chǎn)品研發(fā),通常需要閱讀海量的專利文獻、用戶檔案、用戶評價、產(chǎn)品說明手冊等文檔,找出其中的知識點也十分重要。這個過程可以使用知識圖譜。比如，在研發(fā)新藥的過程中,借助于知識圖譜, 可以結合病人信息、用藥史、服藥效果、癥狀這些知識點進行對比分析統(tǒng)計,開展新藥研發(fā)。在研發(fā)新的保健產(chǎn)品的過程中,可以針對互聯(lián)網(wǎng)的各種評價分析統(tǒng)計,得到用戶群體對每一個產(chǎn)品功能維度的看法。

延伸閱讀：

二、KGB知識圖譜特色

1、跨領域可擴展

知識圖譜加工廠具有通用的圖譜構建引擎。知識抽取、知識關聯(lián)與質(zhì)量核查過程不依賴特定業(yè)務知識，結合用戶知識圖譜構建的需求，可以快速構建用戶領域知識圖譜。

2、知識質(zhì)量智能核查

知識圖譜加工廠實現(xiàn)對多種知識錯誤與沖突的智能核查與校驗，并對知識庫進行實時自動更新，保證知識圖譜準確性。

3、人機結合的服務

知識圖譜加工場人機構成：90%機器+10%的人工，只需要提供語料，就可以快速得到對應的知識圖譜構建成果。