知识图谱平台

云知声知识图谱平台(UniKG)是一套知识图谱全生命周期管理平台。采用自然语言处理和知识图谱技术打造,提供可视化的知识图谱构建与管理功能,并提供面向知识服务和应用的知识图谱标准开发套件。

合作咨询

合作咨询
请完善以下信息,云知声期待与您的合作!
我们如何联系您
公司名称:
您的姓名:
手机号:
邮箱:
选择咨询的内容

首页

核心技术

平台服务

PaaS

SaaS

智慧物联

云智云AIoT平台

智能家居

智慧酒店

智慧社区

智慧园区

智慧交通

智慧文旅

智慧医疗

智慧医疗解决方案

语音电子病历系统

智能病历质控系统

单病种质控系统

智能医保审核系统

导医机器人

智能随访系统

关于我们

了解云知声

新闻中心

联系我们

加入我们

使用场景具体描述
取消
提交

知识图谱是一种大规模语义网络,它以结构化的形式描述客观世界中的概念、实体及其关系,并有以下特点:

概念标准化
让机器:看得懂

建立了标准化概念,可对数据中的各种说法统一到知识图谱

概念层次化
让机器:能计算

建立了各种概念之间的层次关系,可实现知识的层次推理

概念关联化
让机器:可连接
建立了各种概念之间的关系,可实现知识的因果关系或关联推理
产品架构图

知识图谱架构图.png

产品功能
知识建模
支持图谱 Schema 中的实体、属性,关系、事件的定义及编辑,支持图谱 Schema 的发布,引用和导入导出
知识编辑
支持本体编辑、实体编辑、关系和属性编辑、知识批量导入导出; 支持多人协同的知识加工过程
知识溯源
支持知识溯源,实现知识来源的跟踪与维护, 为知识可信度、知识融合提供依据
版本管理
支持版本管理,可实现历史版本 回溯、差异比较
权限管理
支持账号体系、权限安全、知识图谱加密等机制
知识抽取

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

知识融合

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

多模态存储

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。

分布式存储

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。

混合存储

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。

国产化存储

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)

搜索服务

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

图计算服务

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

推理服务

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

知识搜索

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

知识浏览

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

知识分析

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

智能检索

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。

智能推荐

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。

智能问答

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。

故障诊断

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。

质量控制

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。

产品优势
可视化低成本敏捷构建
全生命周期的知识管理
标准化知识访问接口
插件化知识图谱展示交互
完整的知识应用产品矩阵
多行业成熟落地应用经验
客户价值观

基于知识图谱平台
可快速构建行业知识图谱

实现企业认知智能升级

技术优势

微信图片_20210802161829.jpg

荣誉奖项
技术奖项
01
《大规模知识图谱构建关键技术与应用》获得2019年北京市科技进步一等奖
02
CCKS2020面向中文电子病历的医疗实体及事件抽取医疗命名实体识别 第一名
03
2020语言与智能技术竞赛机器阅读理解任务 第一名
04
CCKS2020 医疗实体识别评测 第一名,并获得了该任务唯一的技术创新奖
05
CHIP(医学信息处理大会) 2019 手术名称标准化评测 第一名
06
法研杯(法律人工智能挑战赛)2020- 论辩挖掘 第二名
学术荣誉
01
CCKS 2020 最佳英文论文,最佳中文论文提名奖
02
CCKS 2019 最佳英文论文
应用场景
应用场景
病历质控、单病种质控、自动问诊、合理用药、临床辅助决策
业务痛点
● 医疗知识量大、缺乏统一的知识维护体系且知识多样化、维护成本高
● 病历质控是医院质量管理的重要环节,意义重大。但工作量大、专业性强,医院病案质控人员资源有限,无法进行
   全量文书,全类缺陷的检出,亟需AI工具减负增效
解决方案

● 基于自然语言理解技术,结合临床知识图谱,让系统能够理解病历内涵,并应用知识推理,筛查病历中的书写不规范、诊疗不合理等内涵缺陷,帮助病历质控人员快速定位问题,确定问题

● 基于权威国际医疗术语集的医疗概念层级体系,从临床指南、药品说明书等权威医疗文本中基于深度学习与人工审核的半自动化医疗关联关系抽取;基于医疗病历的实体关系抽取和链接技术,融合来自临床的医疗知识

应用场景

运检知识辅助助手

业务痛点

● 设备运检知识体系庞大,运检人员难以掌握

● 现场运维保障人员由于经验和专业技能的欠缺,故障处理消缺力度不够

解决方案

● 基于知识图谱,建立电力标准规范行业知识服务系统,为企业提供的知识文档管理、查询、搜索、推荐功能,实现知识的所用所得。

● 将电力知识图谱应用到巡检语音录入、文本结构化、检修操作辅助等生产、运营环节,提升运检业务自动化水平和工作效率。

应用场景

军工设备设计助手、武器检修辅助

业务痛点

武器设计维修是复杂的系统工程,需要大量的专业知识,如:规范、设计标准、设计原理、专家经验等。

解决方案

通过构建武器设计知识图谱从而提供武器设计知识服务,包括搜索、问答、推荐、关联分析等,利用知识推理与知识预测技术,协助进行武器检修和武器设计创新,利用智能检索、知识问答,快速、精确查找故障及处置经验,提高工作效率,完善武器知识管理体系。

应用场景

文物数字化保护、导览展示

业务痛点

● 文物知识量大、持续更新

● 缺乏统一的知识维护体系

● 知识多样化、维护成本高

解决方案

● 基于知识图谱,建立文物知识管理方案,提供文物知识的存储、管理、编辑、浏览、访问、分享

● 实现基于知识图谱的文物知识问答、导览、展示、互动交互,实现文物的数字化保护、文物认知智能

场景应用

建筑规范语义表示与图纸审核应用

业务痛点

● 建筑规范以文本方式维护,知识量大、持续更新

● 建筑规范没法由机器自动化应用,必须经过人才能应用到建筑设计与审核中

解决方案

● 基于建筑设计规范构建可运营、可扩展的建筑设计审核知识图谱;

● 构建建筑设计审核系统,审核BIM三维模型数据是否符合规范条文,不符合条款的给出依据及优化建议。

● 实现行业规范知识的结构化表征,同时也减轻了大多建筑设计审核中的人力负担。

司法行业

案例检索报告、争议焦点研判

业务痛点

● 法律知识体系庞大, 律师的案件审核工作负荷大

● 检索报告制作效率低、质量不高,特别是争议焦点检索分析难度大

解决方案

● 基于法律知识图谱的案例检索方案,自动实现争议焦点和裁判要点分析,自动获得支撑法规和案例。

● 在降低司法人员检索工作量的同时,也提升了案例检索的质量。

联系我们,获取一对一客户服务
合作咨询