结构化数据知识抽取

半结构化数据知识抽取

非结构化数据知识抽取

支持实体对齐，归一化处理，指代消歧等知识融合方式

支持基于规则的知识推理及补全，基于深度学习的知识预测等

支持知识质量评估，错误知识的发现与纠正、过期知识的更新等知识质量保证机制

支持时间、地理、事件、计算值等特性。同时兼容 FAQ、图片、视频、文档、表格等多模态数据存储。

支持多种部署模式及数据冗余架构（单机、主从、分片），线性横向扩展，支持亿级到千亿级三元组存储。

采用关系数据库、NoSQL 数据库和图数据库混合存储的架构，根据知识的特性，选择不同的存储模式。

兼容国产 CPU 和操作系统，采用国产关系数据库（达梦）和图数据库（gStore和GalaxyBase）

支持基于 API 的知识查询，可查概念、查实体、查关系

支持模糊查询和精确查询

支持多种基于图模型的分析算法，包括子图分析，社群发现，路径分析，关联分析，图中心性分析等

支持通过已有的实体、关系、属性推断出未知的知识

支持运用现有的知识推导或归纳出新的知识

支持概念搜索、实体搜索、关系搜索、属性搜索

支持知识图谱的搜索服务，包括知识的索引、语义召回与排序

支持多种组织形式的知识可视浏览，清晰描述事件随时间或地点变化的演进

通过路径分析、关联分析、焦点分析、路径探索挖掘隐藏价值信息

基于用户输入的词条或者短语中的关键词，以实体链接和意图理解为基础，与知识图谱中的实体进行实体链接，实现语义级搜索。

包括智能文档推荐和问句推荐两类功能；在内容相似度和共现访问分析基础之上，采用知识图谱推理和语义理解技术，实现文档和问句推荐。

通过对问句进行实体发现与链接、关系抽取、机器阅读理解和计算语义相似度，实现问题的语义解析与匹配，在图谱和文档库中精准找到答案知识。

基于知识图谱技术构建工业系统故障智能诊断体系，提供系统检修标准知识服务，提供故障类案推理服务，从而实现系统故障的智能化诊断和运维。

基于知识图谱和自然语言理解技术，从行业规范、技术标准中抽取知识，建立行业技术规范知识图谱。基于此，可实现业务数据的规范性审核校验、质量控制。