数据智能:知识图谱与文本智能处理
2018年6月30日
大数据/数据驱动
桂洪冠
达观数据技术副总裁
桂洪冠,达观数据联合创始人,技术副总裁。中国计算机学会CCF会员,大数据技术专家。在参与创办达观数据前,曾在腾讯文学、阿里巴巴、新浪微博等知名企业担任大数据挖掘高级技术管理工作。桂洪冠在数据技术领域拥有6项国家发明专利,中国科学技术大学计算机硕士学位。在大数据架构与核心算法以及文本智能处理等领域有深厚的积累和丰富的实战经验。
  • 分享简介
    近年来深度学习异常火热,并在语音识别、图像识别、机器翻译等诸多感知智能领域取得了显著效果,但深度学习也存在对大量标注样本数据的依赖、需要大量计算资源、缺少可解释性、无法进行有效推理等问题。语言文字是人类智慧文明的载体,对语言的理解需要更高层面的认知智能。知识图谱以人类和机器皆可理解的实体、属性、关系的三元组为基本结构,以实体和概念为节点,关系为边构建一个巨大的语义网络,以此为基础进行推理计算,有助实现能推理、可解释的感知智能。本次分享首先介绍感知智能和认知智能的关系,阐述如何基于知识图谱实现认知智能,结合达观数据经验说明分享知识图谱的构建心得,最后分享达观数据文本智能处理的若干应用实践。
  • 分享提纲

    1、知识图谱的概述;

    2、知识图谱在企业中的应用;

    3、知识图谱与人工智能的关系;

    4、达观数据知识图谱构建经验;

    5、达观数据文本智能处理应用;


  • 分享收益

    1、目标:

    对语言文字的处理和理解是各行各业的日常重要活动,通过知识图谱等人工智能技术实现对大量文本的自动化抽取、分类、匹配、审核、比对、纠错、生成等各种智能处理可以极大提升行业执行效率同时显著降低人员成本。

    2、成功要点:

    文本智能处理的核心是自然语言理解,NLP和深度学习算法是构建知识图谱的基础技术,知识图谱+NLP可以实现自然语言理解。

    3、启示:

    达观数据基于深度学习和知识图谱实现的文本智能处理系统包括垂直搜索引擎、智能推荐引擎、文本挖掘引擎,可以实现对长文本内容的匹配、分类、抽取、审核、比对、纠错、生成等各种智能处理,从而极大提升行业执行效率同时显著降低人员成本。

热门推荐