近日，在深圳举办的2019中国知识图谱产业发展峰会上，中国人工智能知识图谱联盟（AICKI）正式发布了《2019知识图谱白皮书》。这份白皮书对中国知识图谱产业的发展现状、趋势和热点进行了解读，并对行业典型应用案例进行了详细分析。为了帮助行业人士更好地理解和应用知识图谱，就企业级知识图谱的应用案例进行分享。下面我们将从一个客户案例入手，与大家探讨企业级知识图谱在企业应用中的价值和挑战。
客户案例介绍
某大型国有银行与数道合作，将知识图谱应用于风控领域，帮助银行实现从“风险管理”到“风险决策”的升级。该银行通过建立企业级知识图谱，构建了风控决策分析平台，通过对外部数据、内部数据以及历史数据进行统一管理，有效提升了风控决策的效率与准确性。
企业知识图谱的价值
随着知识图谱技术的快速发展，在企业应用中的价值也越来越明显。通过知识图谱可以将大量的信息数据串联起来，方便我们从海量数据中提取出关键信息，同时也能提供丰富的数据分析能力。 通过对企业内部各个部门信息进行梳理，可以发现各个部门之间存在着大量的关联关系和业务规则，通过知识图谱可以将这些关联关系和业务规则进行汇聚、存储和展示。
当某个部门出现问题时，我们可以通过企业级知识图谱对相关部门的问题进行快速分析和定位，并给出解决方案。
企业级知识图谱的技术挑战
为了满足企业的需求，数道对该系统进行了深度开发。在技术层面，数道采用了主流的知识图谱构建方式，即通过构建知识图谱完成实体之间的关系抽取、属性抽取以及事实抽取，进而利用本体语言完成知识建模，最后利用知识库实现知识推理。
在上面这个案例中，我们遇到了以下几个主要挑战：
对于复杂业务场景，企业可能需要投入更多的人力才能完成任务，因此在构建知识图谱时需要考虑到企业人员的实际情况。 对于知识图谱中的实体、属性等数据源，需要与企业现有数据源进行打通，并且对数据进行清洗、脱敏等处理。 在构建知识图谱时需要考虑到如何利用企业已有的业务数据。AI 代码解读
企业级知识图谱的案例展示
下面我们以某客户在构建知识图谱的过程中，遇到的一些问题以及解决方案为例进行说明。
该客户拥有多个产品和多个服务，面对日益庞大的数据量，传统的知识图谱构建方式，往往难以满足其需求。
数道知识图谱构建平台通过采用半结构化与非结构化混合存储方式，能够快速应对数据量激增的情况。同时，采用图数据库作为存储数据的载体，具有较高的稳定性和可靠性。
通过知识图谱在智能客服系统中构建了一个具备实时、智能、自动化、智能化的人机交互系统，通过分析大量的数据，有效地提高了客服系统的工作效率，节省了客户的时间和成本。
悦数图数据库是一种能够将大数据中的大量数据进行图处理的大数据集，为商业应用提供支持，同时还可以引入机器学习、人工智能、自然语言识别等多种方法，以提高回答的准确性和兴趣度，节约人力资源，提高用户使用体验。
