- 综合排序
- 最热优先
- 最新优先
- 来自专栏钱塘大数据
【图谱】2017中美人工智能产业玩家图谱
本报告旨在呈现一个相对完整的中美人工智能产业玩家图谱。 我们基于知名机构的研究报告和人工智能行业榜单等市场公开信息 ，筛选了其中单笔融资额超过1,000万人民币或等值外币的公司，共计378家，其中中国公司140家，以美国为主的海外公司238家。 我们将人工智能行业分为三大层次： 1）基础层：计算能力支撑、数据资源（包括芯片、传感器、云、数据和算法结构） 2）技术层：算法、模型及技术开发（包括语音&声学识别技术、语义识别&分析 、视觉识别技术和AI 平台） 3）应用层：人工智能在各行业的渗透应用（包括医疗健康、无人驾驶、营销、金融、仓储物流等垂直行业应用） 我们的观察 1. 人工智能产业图谱 一、企业分布 1.90%的企业集中于技术层和应用层，基础层门槛高，仅少量企业有能力参与。
1.2K100发布于 2018-03-06 - 来自专栏新智元
【重磅】机器智能 2.0 生态图谱
一年之前，我发表了我第一次尝试比对整体机器智能生态系统的图景。自从那以后发生了很多事情。我花了一年时间研究每个公司和所有我能找到的信息、与成百上千的与机器智能相关的学术界、企业界和投资商聊天。 图1展示了机器智能的新图景 虽然有杂乱的夸张宣传（这有时会产生误导），机器智能已经在一些有价值的途径中使用。 许多机器智能技术将会从监管灰色区域开始转变商业世界。 加拿大继续成为机器智能前沿的中心。 机器智能更加……智能。我期望来年会有更多的“魔法”出现。
86280发布于 2018-03-13 - 来自专栏钱塘大数据
【AI图谱】2017中国人工智能产业图谱
企业数据服务商企名片与华兴逐鹿一起，联合多家专业机构，出品《2017年AI图谱大报告》，一起来探究风口中的人工智能。 微信后台回复：“AI图谱”，下载本文图谱 本文从以下四个方面解读关于这些人工智能公司的现状： 1、人工智能企业融资盘点 2、人工智能行业图谱 3、人工智能投资机构TOP10 4、二级市场人工智能简报 一 二、人工智能行业图谱 ▼ ▲ 人工智能行业图谱 绘制：企名片 据企名片大数据服务平台首份AI行业图谱显示：截至2017年3月8日，共有1083家AI企业，这些人工智能公司应用技术多为机器学习、计算机视觉 人工智能媒体：作为大众和从业人员了解人工智能发展状况及趋势的主要途径之一，为人工智能行业的发展起到了积极的推动作用，图谱中收录国内发展发展较好的几家，如AI100、新智元、人工智能学家等。 由以上图谱综合分析可以看出，当前人工智能产业链具有技术驱动型特征，人才成为制约人工智能企业发展的重要因素。
2.1K80发布于 2018-03-06 - 来自专栏企鹅号快讯
人工智能行业图谱分析
人工智能技术平台：此类公司主要专注于“机器学习”、“模式识别”和“人机交互”三项与人工智能应用密切相关的技术，所涉及的领域包括深度学习开源平台、机器学习算法、计算机视觉、自然语言处理、生物识别、机器视觉 巨头们的这一举动进一步降低了人工智能技术的开发门槛，大大加速了人工智能的发展。 人工智能技术平台·自然语言处理：此类公司构建的算法能够处理输入的自然语言,并将其转化为可理解的表达。 人工智能通用应用：此类公司主要将人工智能技术应用于通用领域。典型的就是个人私人助理、Chatbot、机器翻译这类公司。 人工智能行业应用：此类公司主要将人工智能技术应用于具体行业。 人工智能媒体：作为大众和从业人员了解人工智能发展状况及趋势的主要途径之一，为人工智能行业的发展起到了积极的推动作用，图谱中收录国内发展发展较好的几家，如AI100、新智元、人工智能学家等。 人工智能是一个平台级的技术方向,在过去的几十年中持续发展,近些年伴随着互联网和智能终端的发展,人工智能的数据、计算能力、人才储备都得到了极大的提高,发展速度和关注度进一步升级,但技术永远都是为应用服务的
1.2K90发布于 2017-12-29 - 来自专栏机器学习AI算法工程
基于知识图谱的智能问答方案
三、智能应用角度 ? 知识图谱最早就是由Google应用到知识搜索中取的一个名字，以前都不叫知识图谱。 而在企业智能应用中，因为有了知识图谱，我可以关联相关的数据来探测异常、控制风险等。 ? 之前看到有人说，作为人工智能的产品经理，不能不了解知识图谱。为何知识图谱在人工智能时代如此重要呢？ 可以依据一定的推理规则发现新知识，形成的知识经过质量评估后进入知识图谱。依据知识图谱数据平台可构建语义搜索，智能问答，推荐等应用。 以下是知识图谱构建步骤的详细介绍。 基于知识图谱的相关应用大致可以分为搜索、问答、决策、推荐等几种常见的类别，本文主要就年初规划的xx智能问答建设方案，介绍一下基于知识图谱的智能问答，主要分为如下几个方面： 1、人机对话体系结构 2、问答产品知识结构 3、典型的智能问答产品 4、智能问答的关键技术 5、基于知识图谱的智能问答 1、人机对话体系结构 ?
5.1K32发布于 2020-07-14 ＞＞人工智能：知识图谱基础知识
本体知识图谱 本体就是对那些可能相对于某一智能体（agent）或智能体群体而存在的概念和关系的一种描述。 ——汤姆·格鲁伯——《迈向知识共享型本体的设计原则》。 本体从schema的角度来定义（自上向下），而知识图谱其实更强调的是数据层（自底向上）来构建。对于领域或垂直行业的知识图谱，一般都需要有本体层。而实体可以定义为本体的某个概念的实例。 ——王昊奋老师 本体（ontology）主要应用于：人工智能、语义网、软件工程、 生物医学信息学、图书馆学以及信息架构。 openCyc 是一个致力于将各个领域的本体及常识知识综合地集成在一起，并在此基础上实现知识推理的人工智能项目。其目标是使人工智能的应用能够以类似人类推理的方式工作。
79120编辑于 2023-10-10- 来自专栏机器学习与统计学
人工智能工程师学习图谱
“人工智能的关键性问题是其表现形式。” ——杰夫·霍金斯JeffHawkins Apr. 14 2019 + 图片来源: CSDN周雄伟
53840发布于 2019-04-23 - 来自专栏黄成甲
驾驭未来：知识图谱与工业智能问答
4.知识图谱与智能问答知识图谱与智能问答其实是两个相关的概念，它们都在人工智能领域中扮演着重要的角色。知识图谱是以图形结构表示的知识库，它包含了实体、属性和实体之间的关系。 基于知识图谱的智能问答系统（KBQA）是一种常见的技术路线，它利用知识图谱中的数据进行问题的解析和查询，从而得到准确的答案。知识图谱与智能问答系统的结合可以提高问答系统的准确性和效率。 通过利用知识图谱中的丰富知识和关系，智能问答系统能够更好地理解用户的问题，并给出更准确的答案。同时，知识图谱也可以为智能问答系统提供更多的背景知识和上下文信息，从而提升系统的智能化水平。 5.在工业智能问答领域，大语言模型ChatGPT能否替代知识图谱技术？这也是近期在知识图谱技术领域，引发讨论最多的一个问题。 在智能化呼声此起彼伏的今天，服务创新、模式创新、质量创新、管理创新无一不依赖于行业知识图谱的深度应用。
1.5K92编辑于 2023-11-10 - 来自专栏有三AI
【知识图谱】知识推理，知识图谱里最“人工智能”的一段
如何将这些信息有效组织起来，进行结构化的存储，就是知识图谱的内容。 知识图谱的难点在于知识图谱的搭建，如何高效、高质量、快速的搭建知识图谱是知识图谱工程的核心。 搭建了一份知识图谱之后，如何更好的利用和优化它呢？今天我们介绍知识图谱中的知识推理来回答这个问题。 作者&编辑 | 小Dream哥 1 知识推理 刚刚开始接触深度学习的时候，心里一直藏着一个疑惑，即现在的神经网络和反向传播算法为什么会被称为“人工智能”，怎么看，也不过是一种模仿神经学的更为复杂数学模型而已 直到接触到了知识图谱以及今天要介绍的知识推理，才感觉到一些所谓真正“人工智能”的味道。闲话叙毕，现在看看所谓的知识推理，究竟是怎么一回事，有哪些实现方法，进展到了什么样的程度。 总结 知识图谱是人工智能技术最重要的基础设施，是计算机能够实现推理、预测等类似人类思考能力的关键。
5K10发布于 2019-12-25 - 来自专栏Datawhale专栏
知识图谱的关键技术及其智能应用
THU数据派 来源：专知 随着自然语言处理等相关技术的发展，知识图谱已经成为工业界开展下一代人工智能应用的重要基础。 几周前，北京大学的赵东岩老师，在计算所做了名为《知识图谱的关键技术及其智能应用》的讲座，讲座从知识图谱构建、补全及其人机交互问答等方面系统阐述知识图谱的关键技术方案；并结合北大计算机研究所在这个研究方向上的具体进展 ，以实际应用为背景、探讨如何基于知识图谱实现智能问答等智能应用的技术路线。
1.4K20发布于 2019-10-09 - 来自专栏绿盟科技研究通讯
知识图谱技术如何赋能智能安全运营
近年来，知识图谱技术得到了迅速发展，本文目的在于探讨智能的安全运营技术中知识图谱技术应该发挥何种作用。 一、概述 网络环境本身可以与图数据结构结合，因此将知识图谱技术引入到智能安全运营中具备可行性。 二、知识图谱赋能智能安全运营 将知识图谱应用到智能安全运营之前，首先需要明确的是，智能安全运营业务是否需要知识图谱的加入。 知识图谱就是为此类问题所设计的，因此知识图谱可以推动智能安全运营的发展。 知识表示技术和知识获取技术是能否成功应用知识图谱的关键。 《AISecOps 智能安全运营技术白皮书》[3]中智能安全运营前沿技术图谱就提到了知识图谱在安全运营中的作用，其指出超融合知识图谱是运营数据关联分析、智能决策、行动响应的重要数据基础设施。 目前在智能安全运营中还没有很好的应用实例，但是知识图谱领域一个重要的研究是知识推理，是人工智能领域发展的重点之一。
1.6K30发布于 2021-03-16 - 来自专栏AI科技大本营的专栏
人工智能的浪潮中，知识图谱何去何从？
近日，AI科技大本营采访到了东南大学教授、博士生导师，东南大学认知智能研究所所长漆桂林。 例如，金融领域中的信用评估、风险控制、反欺诈问题；医疗领域中的智能问诊问题。从通用知识图谱到领域知识图谱，知识图谱开始在越来越广泛、复杂的场景中落地并解决实际问题。 漆桂林简介 漆桂林，东南大学教授，博士生导师，东南大学认知智能研究所所长。现任中国中文信息学会语言与知识计算专业委员会副主任和中国科学技术情报学会知识组织专业委员会副主任。 2006年，漆教授获得英国贝尔法斯特女皇大学计算机博士学位，导师为人工智能界著名专家 Weiru Liu 教授。 目前，漆桂林的研究方向为：知识图谱的表示和推理、通用知识图谱构建、情感分析、智能问答、关系抽取、多模态图像处理。
1.3K60发布于 2019-05-17 Graphiti 为 AI 智能体构建实时知识图谱
Graphiti 是一个框架，用于构建和查询具有时间感知的知识图谱，特别适用于在动态环境中操作的 AI 智能体。 •使用语义、关键词和基于图谱的搜索方法查询复杂的、不断发展的数据。 知识图谱是由一系列相互连接的事实组成的网络，例如 “Kendra 喜欢 Adidas 鞋子”。 知识图谱在信息检索中被广泛应用。Graphiti 的独特之处在于，它能够自主构建知识图谱，同时处理关系的变化并维护历史上下文。 Graphiti 与 Zep 的上下文工程平台 Graphiti 为 Zep 的核心提供支持，Zep 是一个为 AI 智能体提供开箱即用的上下文工程平台。 Zep 提供智能体记忆、图谱 RAG（用于动态数据）以及上下文检索和组装功能。 我们很高兴开源 Graphiti，认为它的潜力远远超出了 AI 记忆应用的范畴。
23310编辑于 2026-03-13- 来自专栏NLP/KG
领域知识图谱-中式菜谱知识图谱：实现知识图谱可视化和知识库智能问答系统（KBQA)
领域知识图谱-中式菜谱知识图谱：实现知识图谱可视化和知识库智能问答系统（KBQA) A knowledge graph for Chinese cookbook（中式菜谱知识图谱），可以实现知识图谱可视化和知识库智能问答系统 通过收集网上完全公开的有关中式菜谱的数据，经过数据清洗和分析，转换为知识图谱的存储结构，并提供可视化展示与搜索和智能问答等功能，为热爱美食与烹饪的人们提供方便快捷的中式菜谱服务，并以知识图谱的形式直观显示出不同菜品的关系及所用原料 智能问答系统（KBQA）： 基于构建的中式菜谱知识图谱，设计知识库问答KBQA系统，根据提出的和菜品有关的问题，系统自动给出答案，对于无法给出回答的情况系统也能进行回应。 ，针对其中和菜品有关的各类问题，智能问答系统可以给出对应问题的答案。 本项目中的智能问答机器人名为小吃。
1.2K20编辑于 2023-07-10 - 来自专栏网络技术联盟站
什么是人工智能的知识图谱？知识图谱的组成、构建、应用有哪些？
人工智能（Artificial Intelligence，AI）是一种通过计算机模拟人类智能的技术，其应用范围越来越广泛。 知识图谱（Knowledge Graph，KG）则是人工智能技术中的重要组成部分，它是一种结构化的、语义化的知识表示方式，能够帮助计算机理解和处理人类语言。 知识图谱的应用知识图谱可以应用于多个领域，如搜索引擎、智能客服、自然语言处理、数据分析等。以下是几个知识图谱的应用案例：搜索引擎知识图谱可以帮助搜索引擎更好地理解用户的搜索意图，提供准确的搜索结果。 智能客服知识图谱可以帮助智能客服更好地理解用户的问题，并提供准确的解答。 结论知识图谱是人工智能技术中的重要组成部分，它可以帮助计算机更好地理解和处理人类语言，从而实现更智能化的应用。随着人工智能技术的不断发展，知识图谱的应用范围也将越来越广泛。
30.1K02编辑于 2023-05-14 - 来自专栏数据派THU
当可解释人工智能遇上知识图谱
来源：知乎—机器学习小谈地址：https://zhuanlan.zhihu.com/p/386458680 本文约6100字，建议阅读10分钟 可解释人工智能遇上知识图谱。 随着人工智能的发展，知识图谱开始应用于更多的场景，关注度不断攀升，成为认知智能领域的核心技术之一。最重要的是，知识图谱逐渐成为人工智能应用的强大助力。 对比通用知识图谱，随着人工智能在细分以及新兴领域上的应用，专业型知识图谱越来越受到重视。 对比右图，人工智能模型借助医疗生物领域知识图谱，例如基于路径得出的解释，显然比左图更容易理解、更有说服力。 决策树解释vs知识图谱解释 对于知识图谱在可解释人工智能上带来的优势，以及它们当前方法理论、限制以及机遇，Freddy Lecue博士在2020年的论文On the role of knowledge
1.6K20编辑于 2023-03-29 从数据孤岛到“图谱智能体”：知识图谱、小模型与强化学习如何赋能药企全链路客户智能
本文针对当前医药CRM系统普遍存在的数据孤岛、知识断裂、合规风险等痛点，结合标准CRM功能框架与AICRM升级需求，创新性提出“图谱智能体”架构。 该架构以神经符号AI知识图谱为可信知识和小模型为中枢，以强化学习算法为持续优化引擎，以全链路多模态为技术支撑，构建覆盖客户管理全生命周期的智能解决方案。 第二章“图谱智能体”架构设计：神经符号AI驱动的客户智能新范式2.1总体架构：三层融合的智能增强体系针对医药行业的特殊挑战和大型药企的规模化需求，我们提出“图谱智能体”创新架构，将标准CRM功能体系与AI “图谱智能体”架构及其完整实施方案，为大型药企的CRM智能化转型提供了系统性的解决方案。 医药行业的智能化转型是必然趋势，而客户管理系统的智能化是这一转型的关键突破口。通过“图谱智能体”架构的实施，药企不仅能够解决当前面临的效率、成本、合规等挑战，更能构建面向未来的核心竞争能力。
18610编辑于 2026-03-02- 来自专栏百味科研芝士
HPA数据库更新脑图谱、血液图谱与代谢图谱
原来的HPA数据库主要包含组织图谱、细胞图谱与病理图谱，分别包含内容如下： 组织图谱： 某蛋白在机体不同组织脏器中的表达情况。 细胞图谱： 某蛋白在细胞内的定位情况，如核内、细胞膜上等。 病理图谱： 某蛋白在不同肿瘤中的表达情况。 最近，HPA数据库更新了脑图谱、血液图谱与代谢图谱，让我们一起来看看他们包含了哪些内容吧： 脑图谱 脑内最重要的功能单元就是神经元了，神经元的胞体和树突富含微观结合蛋白2 （MAP2），而轴突富含低分子量 可以看到血液图谱目前仅有RNA信息，没有蛋白信息。 ? ? ? ? 不同数据集中表达情况，可以发现该基因在所有白细胞中均表达。 ? 其余三类信息待补充。 代谢图谱 代谢图谱主要是手工整理了胞内的代谢通路，确定了各类代谢反应及其胞内定位，具体如下： ? 不同代谢通路，如组氨酸代谢和磷酸戊糖途径。 ? 胞内不同部位，如线粒体、胞浆、内质网、核内等。 ?
1.7K10发布于 2020-06-11 - 来自专栏方盼的专栏
基于知识图谱算法的网络故障智能诊断探索
17年这波AI浪潮推动着各行各业在进行着智能化和AI+的尝试，而当前业界在网络故障智能监控诊断这块到目前为止还没有可参照的成熟案例。 知识图谱相对于很火的深度学习，其可解释性为智能诊断提供了新的选项和思路。 技术方案设计和实现 image.png 上图是故障智能诊断的整体方案，大体上分为如下部分： a) 网络信息知识图谱构建 我们当前主要使用关系式数据库来描述和存储全网各类信息 c) 网元着色和事件过滤 在有了网络信息知识图谱和事件库之后，我们就可以选取时间片，将产生异常事件的设备在图谱上着色，在实际使用图数据库neo4j的实现过程中只需给对应节点添加一个 image.png 总结和展望 以上就是基于知识图谱相关算法的网络故障智能诊断程序的思路和实现方案，现已完成开发和离线数据测试验证。
8K50发布于 2018-07-17 - 来自专栏华章科技
盘点知识图谱在 5 大智能领域的应用
导读：知识图谱工程实践仅仅是迈向智能的第一步。丰富的结构化知识很有用，但是如何将这些符号化的知识融合应用到计算框架中仍然是一大挑战。 通过与各类自然语言处理算法或模型结合，由知识驱动的显式事实知识和隐式语言表征，集成语言知识，才能发挥认知智能的威力，推动常识理解和推理能力的进步。 下面我们将介绍知识图谱如何提升智能水平。 作者：王楠 赵宏宇 蔡月 来源：大数据DT 01 语义匹配 语义匹配是搜索推荐、智能问答和辅助决策的基础。在没有知识图谱以前，文本匹配主要依靠字面匹配为主，通过数据库搜索来获取匹配结果。 知识图谱在语义匹配方面，在如图4-12所示的几个方面增强了智能性。 ▲图4-12 知识图谱为语义匹配增强智能性 1. 依托知识图谱实现语义扩展，可以获得更好的排序召回结果。如图4-13所示搜索过程的几个方面，体现知识图谱智能的威力。 1.
1.9K20编辑于 2022-06-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号