近年来，人工智能在全球获得长足发展。作为其核心驱动力之一，知识图谱技术自谷歌2012年推出首版构建并应用于实际系统的“常识知识图谱”以来，始终热度不减。

这一技术在生活中最常见的应用，莫过于我们使用搜索引擎时系统显示的联想词——联想词主要是系统前端根据用户输入的信息，匹配后端知识图谱里的字符串，再返回的一个按关联性排序的、包含结果的数组，最终的呈现效果就是一个或多个与输入内容相关的词条。

比如我们在百度输入“国庆”，系统就会联想出“国庆节日历”“国庆调休安排”等词条。甚至我们手机中经常收到的头条快讯、娱乐新闻、商品广告等各种推送也都有知识图谱的参与。

知识图谱将存在于客观世界的知识表达成机器能够处理和理解的形式，让机器具备认知能力，进而为人类提供更加广泛的智能化服务，现已广泛应用于金融、医疗、情报、军工等领域，且华为、联想、百度等国内知名企业已在全行业应用上占据相当大的市场份额。

创业邦近期接触的企业——南京柯基数据科技有限公司（以下简称：柯基数据）是一家知识图谱认知智能方向的领军企业。

公司基于一站式企业级自动化知识发现平台，从细分行业着手做针对性开发，致力于将企业复杂的数据及知识工作自动化，产品全流程低代码，便于企业使用，帮助企业业务决策更加智能化。

柯基数据创始人兼CEO吴刚曾任职智能数据公司「汤森路透」首席顾问，深入医药、科技及金融情报的数据产品、售前解决方案及咨询业务，并参与汤森路透全球知识图谱项目，行业资源及经验丰富。

他表示：“以传统情报分析为例，其大部分数据源自舆情，数据处理的颗粒度相对较粗，比如只提取出正负面信息或实体信息，并没有深入其中把这个公司、人或产品等各种信息关联起来构建一个结构化知识图谱，分析程度相对比较粗浅。柯基数据重点开发认知智能能力，用一套相对比较复杂的技术实现知识图谱的半自动化搭建及运维，与行业需求紧密结合，这不同于传统大厂主要靠算法不断完善感知智能的方案。”

目前，柯基数据技术已覆盖从数据采集到数据清洗、知识提取、知识表示、动态本体建模、图存储、知识推理、可视化关联分析、智能问答、语义检索等知识图谱全技术链。

在具体服务上，柯基数据分为四类：第一是知识图谱PaaS平台，帮助企业集成自身内外部数据搭建知识图谱并运维，构建企业自己的知识中台；

第二，柯基数据面向市场推出DaaS产品，基于行业公开数据及专家经验的整理构建行业级的知识图谱数据，以及百科公开数据构建的百科基础图谱；

第三，搭建SaaS工具及应用，包括智能语义检索、智能对话、智能问答、智能推荐系统等；

第四，基于PaaS+DaaS+SaaS的一站式企业级解决方案。

以柯基数据为某医药大健康企业开发的“医学知识图谱智能问答SaaS产品”为例：该产品基于行业知识图谱认知智能引擎技术，通过企业FAQ咨询数据、药品说明书、病历、医学指南、医学书籍、医学论文、专业网站、专家录入数据、可穿戴设备采集的用户数据等数据源，构建出“疾病-症状-药品-诊断-护理-食谱-食材-营养素-人群-饮食禁忌-营养保健产品”知识图谱及基于图谱的医药大健康智能专家虚拟助理。

该产品为药企、医疗科研机构、医院及营养健康领域的企业，提供从药企学术营销、健康管理和疾病用药专业知识咨询、导诊和辅助诊断、慢病护理、智能推荐的医药大健康全周期知识服务。

那客户为何会选择柯基数据呢？吴刚向创业邦介绍：“柯基数据在产品化程度、智能化体验、自动化运维能力和行业知识积累上具备优势。”

首先，柯基数据当前三款知识图谱产品均已有落地案例，产品化和智能化程度高，用户体验优秀，产品之间均已打通形成全栈的自动化知识发现产品矩阵。

知识图谱的最重要特点便是可解释性和发现新知识的能力，让“推理”转入黑盒模型预测范式，把领域知识或常识结构化并在此基础上进行推理，类似于人脑的功能，这是目前的深度学习方法很难做到的。

比如评审专家的查找推荐，如果使用深度学习的方法进行训练，整个查找过程类似于黑盒操作，无法追溯推荐理由，但使用知识图谱建立高精度专家画像及专家关系网络，能够为专家推荐提供可解释性，比如是根据评审专家的学科领域、学术论文发表情况等，并持续更新。

文章来源：《数据分析与知识发现》 网址: http://www.sjfxyzsfx.cn/zonghexinwen/2021/1003/1483.html

上一篇：细说如何分析问卷调研数据
下一篇：苏春园：数据分析与决策的关键词是“自动化”