知識智能平臺（GKP）

產(chǎn)品概述

國雙知識智能平臺依托NLP、知識圖譜、機器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)能力，形成模型構(gòu)建、數(shù)據(jù)標注、知識抽取、知識計算和應(yīng)用的完整工具鏈，實現(xiàn)“數(shù)據(jù)->知識->應(yīng)用->優(yōu)化”的一站式全生命周期管理，加速知識“收集->沉淀->共享->創(chuàng)新”。GKP包括知識管理臺、知識加工臺、算法開發(fā)臺、智能搜索、智能推薦、智能問答、圖譜可視分析、智能文檔庫八大子系統(tǒng)。已服務(wù)于油氣、制造、大交通、電網(wǎng)、司法、政府等領(lǐng)域。

產(chǎn)品功能

知識加工臺

幫助業(yè)務(wù)專家構(gòu)建知識體系（如業(yè)務(wù)規(guī)則、詞典、標簽等）和知識抽取規(guī)則的工具。具備：標簽體系搭建、行業(yè)詞典庫搭建、規(guī)則庫搭建、知識標注等功能，并可以將標注后的數(shù)據(jù)用于知識抽取模型訓(xùn)練。本模塊的目標用戶是業(yè)務(wù)人員，在功能設(shè)計上注重業(yè)務(wù)人員的使用感受，上手快，操作友好。

知識管理臺

知識圖譜構(gòu)建工具，一站式知識圖譜構(gòu)建平臺。提供本體設(shè)計、信息抽取、知識映射、多源融合等功能，可進行知識獲取、知識體系搭建、知識審核等。能夠進行本體克隆創(chuàng)建、數(shù)據(jù)源映射創(chuàng)建、本地導(dǎo)入創(chuàng)建多種創(chuàng)建方式。內(nèi)置豐富算法，在知識的質(zhì)量評估、融合階段提供高效、準確的融合能力，迅速且準確的構(gòu)建知識庫。

算法開發(fā)臺

面向數(shù)據(jù)科學(xué)人員設(shè)計的用于數(shù)據(jù)科學(xué)類模型構(gòu)建、發(fā)布、評估、管理工具。內(nèi)置分類、預(yù)測、時間序列等70余種基礎(chǔ)算子，具備可視化建模、自動建模等不同模型創(chuàng)建方式。能夠高效應(yīng)對簡單模型創(chuàng)建、復(fù)雜模型創(chuàng)建、批量模型創(chuàng)建等不同場景。可進行數(shù)據(jù)預(yù)處理、特征工程、模型構(gòu)建、效果評估、模型調(diào)優(yōu)、API封裝等。提供開箱即用的模型研發(fā)能力和觸手可及的AI應(yīng)用能力。

智能搜索

結(jié)合了人工智能技術(shù)的新一代搜索引擎。能依據(jù)業(yè)務(wù)需求和業(yè)務(wù)邏輯呈現(xiàn)更加高效、直接的內(nèi)容。如搜索設(shè)備故障現(xiàn)象，呈現(xiàn)故障原因、維修建議等。能夠集成不同數(shù)據(jù)源數(shù)據(jù)，具備語義檢索、關(guān)鍵詞檢索、問答檢索、上下位詞檢索、模糊檢索、規(guī)則檢索、敏感詞過濾、條件過濾等功能。

智能推薦

具備畫像層、多路召回層、排序?qū)尤齻€層次，能夠更加清晰的解釋并映射出被推薦信息與使用者的對應(yīng)關(guān)系，帶來更加精準、精細的推薦體驗。其中，畫像層包含用戶基本屬性畫像、行為畫像、標簽畫像等；多路召回層包含文本相似召回、興趣召回、圖譜關(guān)系召回等；排序?qū)影瑢崟r結(jié)果融合、離線結(jié)果融合等。

智能問答

能夠基于知識圖譜實現(xiàn)更加靈活的8種方式的問答，包括：實體提問、實體+屬性的提問、實體+關(guān)系的提問、推理提問、本體提問、隱性條件過濾、顯性條件過濾、是否類提問等。具備表格問答和問答對問答能力。

圖譜可視分析

應(yīng)用知識圖譜技術(shù)和圖分析算法進行知識挖掘、知識分析的工具。與統(tǒng)計分析相比，GKP圖譜可視分析在社群發(fā)現(xiàn)、最短路徑分析、關(guān)鍵節(jié)點/因素洞察、活躍因素分析、異常發(fā)現(xiàn)等領(lǐng)域更加直觀和高效。

為什么選擇國雙知識智能平臺？

降低知識獲取門檻

通過智能搜索、問答和推薦能夠更加精準、高效的反饋用戶需要用到的信息。其中，僅信息檢索效率平均可提升10+倍。

提供更加完整、全面的判斷依據(jù)，助力快速決策、高效執(zhí)行

能夠關(guān)聯(lián)實時數(shù)據(jù)、模型、圖片、文本、視頻等不同類型信息。能圍繞一個主體或者業(yè)務(wù)單元，把與它相關(guān)知識全部呈現(xiàn)，提供更加細致的決斷、執(zhí)行依據(jù)。

助力業(yè)務(wù)創(chuàng)新

可進行關(guān)鍵因素分析、社區(qū)發(fā)現(xiàn)、組合分析、最短路徑、拓撲分析、碰撞分析、時空分析等，助力研究與業(yè)務(wù)創(chuàng)新。還能將知識和經(jīng)驗融入數(shù)據(jù)建模過程，提升預(yù)測、關(guān)聯(lián)、根因分析的效率以及模型準確率。