知識(shí)圖譜丨研究報(bào)告

核心摘要：

行業(yè)背景：感知到認(rèn)知的跨越式發(fā)展，須引入發(fā)展認(rèn)知技術(shù)，知識(shí)圖譜在此形勢下成為了破局的關(guān)鍵技術(shù)。數(shù)字經(jīng)濟(jì)的持續(xù)發(fā)展將加速知識(shí)圖譜產(chǎn)業(yè)化進(jìn)度，推動(dòng)知識(shí)圖譜與傳統(tǒng)產(chǎn)業(yè)融合。高性能圖計(jì)算可為圖計(jì)算輸送更快更準(zhǔn)的計(jì)算能力，服務(wù)于知識(shí)圖譜運(yùn)算，算力規(guī)?；渴鹨矠橹R(shí)圖譜計(jì)算的高密度、高功耗要求提供了有利發(fā)展條件。深度學(xué)習(xí)技術(shù)、NLP技術(shù)、知識(shí)圖譜技術(shù)協(xié)同并進(jìn)，尤其是NLP技術(shù)近幾年的快速發(fā)展為知識(shí)圖譜產(chǎn)業(yè)化提供了機(jī)會(huì)。

行業(yè)規(guī)模：2021年，知識(shí)圖譜核心市場規(guī)模預(yù)計(jì)達(dá)到107億元，而到2026年，相應(yīng)規(guī)模將超過296億元，2021-2026年CAGR=22.5%。金融與公安兩大行業(yè)的知識(shí)圖譜占比較高且增長速度較快，其業(yè)務(wù)與知識(shí)圖譜可密切結(jié)合，同時(shí)具備建設(shè)意愿與資金投入，因而成為了市場規(guī)模的主要拉力。未來，隨著政務(wù)數(shù)字化建設(shè)的完善，政務(wù)對知識(shí)圖譜的業(yè)務(wù)需求會(huì)逐漸喚醒，成為未來市場的拉力之一。

建設(shè)重點(diǎn)探討：知識(shí)圖譜建設(shè)需面臨的建設(shè)難點(diǎn)主要在于數(shù)據(jù)治理、行業(yè)專家儲(chǔ)備、底層圖數(shù)據(jù)庫存儲(chǔ)、算法生產(chǎn)流程與性能待提升、客戶認(rèn)知待培養(yǎng)以及產(chǎn)品封裝形式待優(yōu)化。攻克知識(shí)圖譜的建設(shè)重難點(diǎn)將有利于從源頭保證知識(shí)與智慧真實(shí)可靠、可用正確，儲(chǔ)備培養(yǎng)深厚行業(yè)專家與技術(shù)復(fù)合型專家，升級底層圖數(shù)據(jù)的存儲(chǔ)方式，改善算法性能，為知識(shí)圖譜建設(shè)減少阻礙。

趨勢展望：未來，知識(shí)圖譜廠商、大數(shù)據(jù)廠商、NLP廠商、互聯(lián)網(wǎng)大廠與信息化廠商等知識(shí)圖譜業(yè)內(nèi)參與者將從強(qiáng)化技術(shù)實(shí)力與深化行業(yè)認(rèn)知的角度出發(fā)，結(jié)合自身原有業(yè)務(wù)優(yōu)勢，持續(xù)深化發(fā)展行業(yè)知識(shí)圖譜業(yè)務(wù)。知識(shí)圖譜業(yè)務(wù)場景也將不斷迭代，行業(yè)應(yīng)用場景邊界拓寬，垂直應(yīng)用場景被做深做透。知識(shí)圖譜生態(tài)也將繼續(xù)由監(jiān)管引導(dǎo)方、供給方、需求方、投資方、高校及科研院所融合共建，匯聚建設(shè)合力，促進(jìn)產(chǎn)業(yè)生態(tài)成長壯大。

概念與研究范圍界定

描繪實(shí)體之間關(guān)系的數(shù)據(jù)結(jié)構(gòu)語義網(wǎng)絡(luò)

知識(shí)圖譜是人工智能的一大底層技術(shù)，是描繪實(shí)體之間關(guān)系的語義網(wǎng)絡(luò)，自帶語義、邏輯含義和規(guī)則，通過三元組即“實(shí)體×關(guān)系×屬性”集合的形式來描述事物之間的關(guān)系。知識(shí)圖譜將非線性世界中的知識(shí)信息結(jié)構(gòu)化、可視化，輔助人類進(jìn)行推理、預(yù)判、歸類。知識(shí)圖譜中的圖并非圖像概念，而是類似化學(xué)分子式的結(jié)構(gòu)，一個(gè)知識(shí)圖譜往往存在多種類型的實(shí)體與關(guān)系。知識(shí)結(jié)構(gòu)網(wǎng)絡(luò)化、網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、網(wǎng)絡(luò)由三元組構(gòu)成、數(shù)據(jù)主要由知識(shí)庫承載是知識(shí)圖譜的四大基本特征。一般而言，知識(shí)圖譜的數(shù)據(jù)以文本化數(shù)據(jù)為主，數(shù)據(jù)化數(shù)據(jù)為輔。

主要任務(wù)介紹

五大任務(wù)，復(fù)雜關(guān)聯(lián)推理為突破重點(diǎn)

一般而言，知識(shí)圖譜需執(zhí)行的主要任務(wù)包括知識(shí)圖譜構(gòu)建與補(bǔ)全、實(shí)體統(tǒng)一（消歧）、實(shí)體分類、知識(shí)檢索問答（簡單推理）、復(fù)雜關(guān)系推理。現(xiàn)階段的復(fù)雜關(guān)系推理需要更多依賴人類預(yù)測與推斷各種可能的情況，并優(yōu)先推薦可能性大的情況。

主流產(chǎn)品類型

成熟產(chǎn)品：通用互聯(lián)網(wǎng)知識(shí)圖譜；起步產(chǎn)品：行業(yè)知識(shí)圖譜

知識(shí)圖譜的產(chǎn)品類型以通用知識(shí)圖譜與行業(yè)知識(shí)圖譜為典型代表。通用知識(shí)圖譜經(jīng)過開拓性構(gòu)建階段后，逐漸演變?yōu)橥ㄓ没ヂ?lián)網(wǎng)知識(shí)圖譜，形成搜索引擎、智能推薦、智能問答三大產(chǎn)品類型，產(chǎn)品發(fā)展較為成熟。行業(yè)知識(shí)圖譜處于起步期，但其價(jià)值及效果逐漸被客戶所認(rèn)可，是知識(shí)圖譜當(dāng)前乃至未來一段時(shí)期內(nèi)的發(fā)展熱點(diǎn)。

產(chǎn)品形態(tài)解析

滿足其一即可認(rèn)定為知識(shí)圖譜產(chǎn)品，五種形態(tài)可相互嵌套

知識(shí)圖譜的產(chǎn)品形態(tài)頗有“盲人摸象”之意。各類廠商分別通過自然語言處理、知識(shí)庫、數(shù)據(jù)庫、數(shù)據(jù)平臺(tái)或中臺(tái)、機(jī)器學(xué)習(xí)等產(chǎn)品逐步接觸到知識(shí)圖譜，在已有的業(yè)務(wù)基礎(chǔ)上疊加知識(shí)圖譜產(chǎn)品，或開發(fā)出獨(dú)立的知識(shí)圖譜產(chǎn)品業(yè)務(wù)線。就當(dāng)前的五大產(chǎn)品形態(tài)而言，其中的任意一種都可算作知識(shí)圖譜產(chǎn)品，且知識(shí)圖譜產(chǎn)品一般為五類產(chǎn)品形態(tài)的排列組合復(fù)合體。

熱點(diǎn)探討一：KG在數(shù)據(jù)產(chǎn)品中的存在感

業(yè)務(wù)了解不透徹、產(chǎn)品開發(fā)承接性等原因誘發(fā)的有限存在感

在各類知識(shí)圖譜的產(chǎn)品形態(tài)中，大數(shù)據(jù)知識(shí)圖譜的數(shù)據(jù)產(chǎn)品屬性強(qiáng)于知識(shí)圖譜屬性。在數(shù)據(jù)中臺(tái)、大數(shù)據(jù)平臺(tái)以及其他數(shù)據(jù)解決方案中，可頻繁觀察到知識(shí)圖譜這一畫龍點(diǎn)睛的模塊或組件，多數(shù)大數(shù)據(jù)廠商也常常自詡自己具備知識(shí)圖譜能力。然而，一旦深究其中的知識(shí)圖譜行業(yè)能力、底層技術(shù)能力，多數(shù)廠商的知識(shí)圖譜工具往往難以覆蓋知識(shí)圖譜本該具備的完整生產(chǎn)流程，并且缺失核心的Schema建模技術(shù)，現(xiàn)階段知識(shí)圖譜在大數(shù)據(jù)產(chǎn)品中的地位及作用就顯得十分有限。

熱點(diǎn)探討二：場景知識(shí)圖譜為發(fā)展方向

殊途同歸：高價(jià)值、實(shí)用性強(qiáng)的垂類場景知識(shí)圖譜

知識(shí)圖譜產(chǎn)品在當(dāng)下及未來的行業(yè)發(fā)展熱點(diǎn)主要圍繞大數(shù)據(jù)知識(shí)圖譜、行業(yè)知識(shí)圖譜兩大類產(chǎn)品展開。大數(shù)據(jù)知識(shí)圖譜側(cè)，行業(yè)參與者主要分化為兩大陣營，一類選擇做簡單的知識(shí)圖譜可視化展示，不深究場景類產(chǎn)品的開發(fā)，另一類則在數(shù)據(jù)積累的基礎(chǔ)上，效仿行業(yè)知識(shí)圖譜廠商做場景的深度挖掘與沉淀，以期實(shí)現(xiàn)數(shù)據(jù)治理能力與場景產(chǎn)品化能力的雙融合。行業(yè)知識(shí)圖譜側(cè)，知識(shí)圖譜作為“行業(yè)專家”這一概念的火熱潮逐漸退卻，參與者在看到B端廣大市場空間的同時(shí)，也深刻意識(shí)到搭建高業(yè)務(wù)價(jià)值、強(qiáng)專業(yè)性知識(shí)圖譜的不易，因而招納更多的業(yè)務(wù)端人才，彌補(bǔ)業(yè)務(wù)短板，促成技術(shù)與業(yè)務(wù)的雙融合。

產(chǎn)業(yè)總規(guī)模

金融、公安為市場主要拉力

隨著信息化與數(shù)字化建設(shè)的展開與NLP技術(shù)的進(jìn)步，知識(shí)圖譜不再局限于網(wǎng)絡(luò)百科式的搜索，其衍生出了互聯(lián)網(wǎng)內(nèi)容與社交、大數(shù)據(jù)知識(shí)圖譜與行業(yè)知識(shí)圖譜等多種產(chǎn)品類型，產(chǎn)品專業(yè)化與場景化的趨勢日漸明顯，行業(yè)知識(shí)圖譜已經(jīng)成為市場開拓重點(diǎn)。金融與公安兩大行業(yè)的知識(shí)圖譜占比較高且增長速度較快，其業(yè)務(wù)與知識(shí)圖譜可密切結(jié)合，具備建設(shè)意愿與資金投入，因而成為了市場規(guī)模的主要拉力。據(jù)艾瑞統(tǒng)計(jì)測算，在2021年的行業(yè)市場結(jié)構(gòu)中，金融與公安的市場份額合計(jì)共占總市場的38.2%。未來，隨著政務(wù)數(shù)字化建設(shè)的完善，政務(wù)對知識(shí)圖譜的業(yè)務(wù)需求會(huì)逐漸喚醒，成為未來市場的拉力之一。從市場整體來看，2021年中國知識(shí)圖譜核心市場規(guī)模為107億元，到2026年，核心市場規(guī)?？赏黄?90億元，2021-2026年CAGR=22.5%。

行業(yè)細(xì)分賽道表現(xiàn)總覽

互聯(lián)網(wǎng)最成熟，金融為興起標(biāo)桿，政務(wù)與工業(yè)長路漫漫

各行業(yè)賽道知識(shí)圖譜產(chǎn)業(yè)情況可從技術(shù)、業(yè)務(wù)、執(zhí)行三大維度進(jìn)行評價(jià)和對比?；ヂ?lián)網(wǎng)是知識(shí)圖譜產(chǎn)業(yè)最成熟的賽道，一般提供輕量級的應(yīng)用服務(wù)，開發(fā)難度較低。相比之下，其他行業(yè)的知識(shí)圖譜產(chǎn)業(yè)仍處于建設(shè)期，且以金融的表現(xiàn)為標(biāo)桿。政務(wù)、工業(yè)都有巨大的數(shù)據(jù)量，但業(yè)務(wù)專家儲(chǔ)備密集度、業(yè)務(wù)場景明確程度、客戶配合度的評價(jià)偏低，需要較為漫長的磨合過程。盡管醫(yī)療領(lǐng)域的專家儲(chǔ)備與業(yè)務(wù)場景明確度表現(xiàn)較好，但因各級醫(yī)院資源利益不統(tǒng)一，文本數(shù)據(jù)理解難度大，其產(chǎn)業(yè)發(fā)展遠(yuǎn)不如人們所希冀的高專家水準(zhǔn)。

核心產(chǎn)業(yè)圖譜

? 互聯(lián)網(wǎng)

行業(yè)需求痛點(diǎn)分析

信息碎片化與非結(jié)構(gòu)化突出，產(chǎn)品需持續(xù)迭代滿足用戶需求

一、互聯(lián)網(wǎng)信息碎片化與非結(jié)構(gòu)化的處理需求

互聯(lián)網(wǎng)的海量信息帶有碎片化與非架構(gòu)化特征。新興互聯(lián)網(wǎng)應(yīng)用的蓬勃發(fā)展，讓完整信息被分類分解為信息片段，信息被大量簡化，從而導(dǎo)致信息本身不全面、內(nèi)在邏輯不完整。同時(shí)，文本、圖片、各類報(bào)表和音頻、視頻、HTML等非結(jié)構(gòu)化數(shù)據(jù)廣泛存在于互聯(lián)網(wǎng)中。互聯(lián)網(wǎng)企業(yè)需要在現(xiàn)有的存量業(yè)務(wù)中，收集碎片化信息，處理非結(jié)構(gòu)化數(shù)據(jù)，挖掘信息間的潛在聯(lián)系，還原完整的、有價(jià)值的信息。然而，信息的關(guān)聯(lián)關(guān)系挖掘是一項(xiàng)工作量巨大且復(fù)雜的工程。

二、?互聯(lián)網(wǎng)產(chǎn)品迭代與發(fā)展的需求

互聯(lián)網(wǎng)產(chǎn)品的生命周期路徑規(guī)劃需求：任何的互聯(lián)網(wǎng)產(chǎn)品都會(huì)經(jīng)歷探索期、成長期、成熟期、衰退期四大階段，每一階段各有其痛點(diǎn)。探索期的產(chǎn)品在設(shè)計(jì)規(guī)范與方向上缺乏可參考的產(chǎn)品，難以找到產(chǎn)品的設(shè)計(jì)方向；成長期的產(chǎn)品往往同質(zhì)化嚴(yán)重，難以找到產(chǎn)品的創(chuàng)新點(diǎn)，并在競品競爭中取勝；成熟期的產(chǎn)品基本定型，需要在產(chǎn)品細(xì)節(jié)上做設(shè)計(jì)與把控。針對每一階段的痛點(diǎn)，都需要做好路徑規(guī)劃，持續(xù)進(jìn)行產(chǎn)品迭代，解決產(chǎn)品所處階段的核心問題。產(chǎn)品迭代設(shè)計(jì)規(guī)劃需要依賴合理可靠的決策依據(jù)，而決策依據(jù)源自將已經(jīng)結(jié)構(gòu)化的商品表現(xiàn)數(shù)據(jù)、行業(yè)信息等構(gòu)建成網(wǎng)絡(luò)，發(fā)現(xiàn)數(shù)據(jù)之間的潛在關(guān)聯(lián)。

以存量產(chǎn)品迭代為例進(jìn)行解釋：某APP起初以本地生活服務(wù)為主打功能，但該APP已經(jīng)較為成熟，同時(shí)期還存在一些競爭對手。產(chǎn)品設(shè)計(jì)師考慮在現(xiàn)有功能上疊加旅游服務(wù)與電商服務(wù)，以增加產(chǎn)品的差異化程度。

三、?商品與用戶信息的精準(zhǔn)化、個(gè)性化表達(dá)需求

商品方面：市場管理差異導(dǎo)致的商品信息差，線上商品存在多種表達(dá)方式，標(biāo)準(zhǔn)化程度不足；線上商品缺乏個(gè)性化設(shè)計(jì)與表達(dá)，對用戶引導(dǎo)不到位，難以激發(fā)用戶興趣，不利于用戶做出消費(fèi)決策。

用戶方面：網(wǎng)頁端與移動(dòng)端都會(huì)留下用戶的行為數(shù)據(jù)痕跡，用戶的消費(fèi)觀念隱藏在這些數(shù)據(jù)以及數(shù)據(jù)間的關(guān)聯(lián)關(guān)系中。若要為用戶精準(zhǔn)推薦個(gè)性化內(nèi)容，將用戶切實(shí)轉(zhuǎn)化為消費(fèi)者，需要對用戶的數(shù)據(jù)進(jìn)行挖掘，刻畫用戶畫像。

痛點(diǎn)下的知識(shí)圖譜應(yīng)用

以智能推薦與輔助決策為核心，滿足用戶與企業(yè)決策者需求

一、碎片化信息聚合，以網(wǎng)絡(luò)搜索場景為例

預(yù)期目標(biāo)：推薦與檢索詞條相關(guān)的實(shí)體，將碎片化信息聚合為不同維度呈現(xiàn)。

核心原理：通過網(wǎng)絡(luò)信息與數(shù)據(jù)搭建通用知識(shí)庫，將具有相關(guān)性的信息聯(lián)系起來，將完整豐富的信息推薦給用戶。

核心價(jià)值點(diǎn)：盤活長尾冷門的實(shí)體，實(shí)現(xiàn)碎片化信息聚合，還原完整信息，補(bǔ)充用戶未知知識(shí)（尤其是時(shí)效性與新奇知識(shí)），激發(fā)用戶搜索興趣。

對應(yīng)應(yīng)用：百度百科、搜狗百科、360百科、微信搜索等。

二、存量產(chǎn)品迭代開發(fā)，以開拓新業(yè)務(wù)市場為例

預(yù)期目標(biāo)：提示決策人員業(yè)務(wù)的生命周期階段，輔助其進(jìn)行業(yè)務(wù)規(guī)劃。

核心原理：將存量業(yè)務(wù)數(shù)據(jù)反饋構(gòu)建知識(shí)圖譜網(wǎng)絡(luò)，判斷業(yè)務(wù)的生命周期階段，決定是否要迭代業(yè)務(wù)。

示例：某公司已有的存量業(yè)務(wù)為電商零售，基于信息后臺(tái)的知識(shí)圖譜網(wǎng)絡(luò)反饋，業(yè)務(wù)的用戶活躍度基本穩(wěn)定，舊業(yè)務(wù)已進(jìn)入成熟期，公司可以尋找存量業(yè)務(wù)的突破口。圖譜提示決策人員公司已經(jīng)具有物流配送、生鮮供貨商、C端用戶的資源優(yōu)勢，可考慮開拓生鮮市場。

對應(yīng)應(yīng)用：盒馬鮮生、七鮮超市等。

三、商品精準(zhǔn)導(dǎo)購，以新零售網(wǎng)絡(luò)購物為例

預(yù)期目標(biāo)：通過對客戶多維度信息的挖掘，快速篩選出潛在商品需求。

核心原理：基于用戶信息庫與商品信息庫，構(gòu)建商品決策知識(shí)圖譜，在導(dǎo)購的具體場景中推送符合用戶偏好的商品。

核心價(jià)值點(diǎn)：對于用戶而言，快速觸達(dá)所需的商品種類，提高決策效率；對于商戶而言，輔助商品導(dǎo)購，實(shí)現(xiàn)商品的個(gè)性化推薦與精準(zhǔn)營銷，增加商品收益。

對應(yīng)應(yīng)用：淘寶、京東、網(wǎng)易嚴(yán)選、唯品會(huì)等。

四、內(nèi)容個(gè)性化推薦，以餐飲消費(fèi)推薦為例

預(yù)期目標(biāo)：尋找用戶最可能消費(fèi)的商戶，為用戶推薦該商戶。

核心原理：將用戶的消費(fèi)記錄、家鄉(xiāng)、歷史口味偏好等信息構(gòu)建成知識(shí)圖譜網(wǎng)絡(luò)，計(jì)算出不同維度下的推薦分值，分值最高的路徑即為推送結(jié)果。

核心價(jià)值點(diǎn)：對于用戶而言，能夠?yàn)橛脩籼峁﹤€(gè)性化、多維度的內(nèi)容推薦，激起用戶興趣，減少對商戶評價(jià)內(nèi)容的依賴，縮短用戶的篩選時(shí)間 ；對于商戶而言，能夠幫助商戶吸引客流，增加業(yè)務(wù)收入。

對應(yīng)應(yīng)用：美團(tuán)、大眾點(diǎn)評等。

? 金融

場景應(yīng)用分析一：信貸風(fēng)控業(yè)務(wù)痛點(diǎn)

信用與欺詐風(fēng)險(xiǎn)加劇，風(fēng)控手段急需優(yōu)化升級

信貸，是一種僅以個(gè)人信用作為放貸依據(jù)的金融業(yè)務(wù)，具備風(fēng)險(xiǎn)性。傳統(tǒng)信貸面臨人力依賴性強(qiáng)、數(shù)據(jù)碎片化、對借款人信息分析不到位等業(yè)務(wù)痛點(diǎn)，解決方案正是數(shù)字化建設(shè)。隨著金融與科技的融合發(fā)展，金融市場正在加速開放，信貸需求也在不斷延展，整個(gè)金融信貸產(chǎn)業(yè)正逐步向無接觸信貸轉(zhuǎn)變?；跓o接觸信貸所展現(xiàn)出的大流量、信息不對稱、高可觸達(dá)特點(diǎn)，信貸業(yè)務(wù)痛點(diǎn)在原有痛點(diǎn)基礎(chǔ)上有所增加：下沉客戶質(zhì)量泥沙俱下，加大了金融業(yè)的信貸風(fēng)險(xiǎn)；團(tuán)伙作案犯罪手段日漸專業(yè)化、隱蔽化，欺詐風(fēng)險(xiǎn)提升。引入知識(shí)圖譜可提升金融風(fēng)控防范手段，針對痛點(diǎn)2、痛點(diǎn)4、痛點(diǎn)5“對癥下藥”。

Before：傳統(tǒng)信貸業(yè)務(wù)痛點(diǎn)

1.依賴風(fēng)控人員經(jīng)驗(yàn)與人工審批，放款效率低、管理成本高

貸前、貸中、貸后的工作更依賴風(fēng)控人員經(jīng)驗(yàn)，需雇傭較多員工，人力成本高；審批方式以人工審批為主，一般需要2-3周以上方能放款，審批時(shí)間長、效率低下、手續(xù)與流程繁瑣。

2.風(fēng)控?cái)?shù)據(jù)海量碎片化，盡調(diào)成本高、考證難度大，風(fēng)險(xiǎn)識(shí)別監(jiān)測手段弱

在對公業(yè)務(wù)中，部分項(xiàng)目信息數(shù)據(jù)呈海量碎片化，盡調(diào)成本高、考證難度大，這一問題對于創(chuàng)新型小微企業(yè)更為嚴(yán)重，效果有限的風(fēng)險(xiǎn)識(shí)別監(jiān)測手段不利于評估企業(yè)客戶及其風(fēng)險(xiǎn)事件。

3.依賴歷史財(cái)務(wù)信息進(jìn)行靜態(tài)分析，不利于把握借款人真實(shí)的經(jīng)營狀況

評估企業(yè)信用情況時(shí)，銀行更多依賴企業(yè)歷史財(cái)務(wù)信息進(jìn)行靜態(tài)分析，依據(jù)較為單一的評價(jià)作出信貸決策，難以完全把握借款人真實(shí)的經(jīng)營狀況，存在評估局限。

Now：信貸業(yè)務(wù)痛點(diǎn)增加

4.金融客戶下沉，客戶信用能力參差不齊，信用風(fēng)險(xiǎn)加劇

伴隨著無接觸信貸興起，線上金融業(yè)務(wù)日益增多，助推金融服務(wù)下沉，客戶流量入口多元化，隨之而來的是金融客戶下沉。部分客戶是通過第三方平臺(tái)推薦引入的流量，這些客戶的信用能力層次不齊，信用風(fēng)險(xiǎn)加劇。

5.團(tuán)伙作案日漸組織化、專業(yè)化、隱蔽化，欺詐風(fēng)險(xiǎn)提升

保險(xiǎn)、貸款和信用卡申請是一些極容易出現(xiàn)信貸欺詐的領(lǐng)域。信貸團(tuán)伙為實(shí)現(xiàn)騙貸，會(huì)有組織、有謀劃地開展欺詐，其經(jīng)手的單筆欺詐金額在幾千至上萬之間?；谛刨J團(tuán)伙犯罪活動(dòng)呈現(xiàn)出組織化、專業(yè)化、隱蔽化的特點(diǎn)，違反犯罪分子具有相關(guān)金融行業(yè)的從業(yè)經(jīng)歷，犯罪手法相較于過去有了較大程度的提高，而金融一線基層人員對信貸團(tuán)伙作案的識(shí)別與防范存在短板，這為金融業(yè)的正常穩(wěn)定運(yùn)行埋下了巨大隱患。

場景應(yīng)用分析一：信貸風(fēng)控原理及應(yīng)用

基于數(shù)據(jù)信息搭建網(wǎng)絡(luò)，從網(wǎng)絡(luò)中識(shí)別異常風(fēng)險(xiǎn)

第一章已提到，知識(shí)圖譜是復(fù)雜的關(guān)系語義網(wǎng)絡(luò)，可以從關(guān)系角度提供分析問題的能力，這有利于從正常的特征與行為中挖掘出異常的信用風(fēng)險(xiǎn)與團(tuán)伙欺詐行為，提升金融機(jī)構(gòu)的風(fēng)控能力。

針對信用風(fēng)險(xiǎn)：信用能力評估圖譜

核心原理：信用能力可依據(jù)信息推斷預(yù)測

對私業(yè)務(wù)：個(gè)人身份、社交關(guān)系網(wǎng)絡(luò)、消費(fèi)記錄、資產(chǎn)負(fù)債、年齡等信息可較為客觀反映出的實(shí)際消費(fèi)能力。

對公業(yè)務(wù)：企業(yè)間關(guān)系，以及司法稅務(wù)、信貸結(jié)算、財(cái)務(wù)和輿情等業(yè)務(wù)均可被記錄與匯總，這些已記錄的信息可透露出借款逾期、負(fù)面輿論影響、財(cái)務(wù)資金漏洞等風(fēng)險(xiǎn)，而風(fēng)險(xiǎn)間具有傳導(dǎo)關(guān)系，概率大小不一，原因可追溯。

針對欺詐風(fēng)險(xiǎn)：知識(shí)圖譜助力團(tuán)伙關(guān)系挖掘，實(shí)現(xiàn)異常群簇的敏捷識(shí)別

核心原理：團(tuán)伙作案帶有群體與共性特征，與正常個(gè)體存在明顯差異

團(tuán)伙在信貸詐騙的作案過程中一定會(huì)留下蛛蛛絲馬跡。犯罪分子為了節(jié)約犯罪成本，會(huì)傾向于使用同一部手機(jī)切換不同的賬號，購買的手機(jī)一般為成本偏低的安卓手機(jī)，手機(jī)中的黑產(chǎn)軟件使用共同的網(wǎng)點(diǎn)登錄，同伙預(yù)留的電話號碼更有可能為同一電話號碼的多種排列組合。同時(shí)，犯罪分子的人員規(guī)模具備一定的數(shù)量特征，人員信息包裝上會(huì)具備相似的職位身份，年齡也比較相仿，學(xué)歷固定在某一水平，團(tuán)隊(duì)總負(fù)債偏高，男女比例有傾斜等。也就是說，犯罪團(tuán)伙會(huì)呈現(xiàn)出針對某一信貸詐騙場景的群體與共性特征，這些特征正是知識(shí)圖譜中的關(guān)系。

在關(guān)系網(wǎng)絡(luò)中，大多數(shù)正常個(gè)體理應(yīng)為相互獨(dú)立的節(jié)點(diǎn)，或與另一個(gè)節(jié)點(diǎn)組成規(guī)模為二的團(tuán)體（多數(shù)可能為家人或親友關(guān)系），若出現(xiàn)三個(gè)點(diǎn)以上甚至十幾個(gè)點(diǎn)關(guān)系密切時(shí)，這些團(tuán)體可被歸為異常。

場景應(yīng)用分析二：精準(zhǔn)營銷業(yè)務(wù)痛點(diǎn)

產(chǎn)品同質(zhì)化且創(chuàng)新設(shè)計(jì)力度不足；客戶轉(zhuǎn)化難，增量難拓展

場景應(yīng)用分析二：精準(zhǔn)營銷原理及應(yīng)用

基于知識(shí)網(wǎng)絡(luò)識(shí)別潛在客戶、調(diào)整產(chǎn)品設(shè)計(jì)，提升服務(wù)質(zhì)量

一、銀行場景

預(yù)期目標(biāo)：尋找核心企業(yè)，做出進(jìn)一步營銷動(dòng)作。

核心原理：搭建好核心企業(yè)的知識(shí)圖譜網(wǎng)絡(luò)后，可從圖譜中識(shí)別核心企業(yè)的上下游與產(chǎn)業(yè)信息，同時(shí)融入票據(jù)、貿(mào)易、融資、結(jié)算數(shù)據(jù)等，反映出核心企業(yè)與上下游企業(yè)關(guān)系的緊密度，再結(jié)合企業(yè)的生產(chǎn)周期、實(shí)際業(yè)務(wù)提供金融產(chǎn)品。

示例：核心企業(yè)A為智能硬件企業(yè)，其上游為銷售軟件的核心企業(yè)F與硬件供應(yīng)商B。B與A為異地買賣關(guān)系，故A讓甲銀行為其提供信用證業(yè)務(wù)；而此時(shí)A企業(yè)正處于快速成長期，需要大量融資，故A向乙銀行申請貸款。核心企業(yè)D向零售商H賒銷產(chǎn)品，H為境外企業(yè)，還款期不確定，故D向甲銀行申請保理業(yè)務(wù)。小型企業(yè)向核心企業(yè)F賒銷產(chǎn)品，產(chǎn)生應(yīng)收賬款，小型企業(yè)之前向乙銀行貸款但現(xiàn)階段無力償還，故其將應(yīng)收賬款抵押給乙銀行，作為還款用途。

針對業(yè)務(wù)：貸款業(yè)務(wù)、中收業(yè)務(wù)、保理業(yè)務(wù)、應(yīng)收賬款抵押業(yè)務(wù)等。

二、保險(xiǎn)場景

預(yù)期目標(biāo)：提升服務(wù)人員專業(yè)素質(zhì)，提升業(yè)務(wù)成交率。

核心原理：基于已有的百科、學(xué)術(shù)文獻(xiàn)、專業(yè)書籍、保險(xiǎn)合同條款建立知識(shí)庫與知識(shí)問答網(wǎng)絡(luò)，形成龐大的知識(shí)體系，在搜索過程中直接匹配相關(guān)答案，便于業(yè)務(wù)人員快速檢索學(xué)習(xí)，掌握相關(guān)知識(shí)體系。

針對業(yè)務(wù)：業(yè)務(wù)人員素質(zhì)與運(yùn)營技能培養(yǎng)。

預(yù)期目標(biāo)：關(guān)聯(lián)投保產(chǎn)品的保險(xiǎn)責(zé)任及對應(yīng)保障范圍，快速推理得出理賠責(zé)任，防范理賠風(fēng)險(xiǎn)，降低誤賠率。

核心原理：通過已有數(shù)據(jù)構(gòu)建理賠網(wǎng)絡(luò)推理理賠結(jié)論。

示例：車險(xiǎn)理賠的條件一般包括報(bào)案記錄、索賠單證等，基于搭建好的條件網(wǎng)絡(luò)，輸入條件，符合網(wǎng)絡(luò)條件才能推理出理賠結(jié)論。

針對業(yè)務(wù)：各類險(xiǎn)種的理賠環(huán)節(jié)。

三、銀行&保險(xiǎn)共同場景

預(yù)期目標(biāo)：尋找潛在消費(fèi)者，依據(jù)新需求設(shè)計(jì)新產(chǎn)品出售。

核心業(yè)務(wù)：首先進(jìn)行公域、商域、私域流量的轉(zhuǎn)化，后將知識(shí)圖譜與機(jī)器學(xué)習(xí)的數(shù)據(jù)挖掘結(jié)合，完成數(shù)據(jù)治理后，形成消費(fèi)者行為標(biāo)簽，刻畫消費(fèi)者畫像，對消費(fèi)者進(jìn)行分組，并基于某一群組的新需求搭建新產(chǎn)品知識(shí)網(wǎng)絡(luò)，設(shè)計(jì)出新產(chǎn)品。

針對營銷點(diǎn)：場景化、專業(yè)化、差異化、復(fù)雜多樣的產(chǎn)品設(shè)計(jì)更新，如重疾險(xiǎn)涉及到的醫(yī)學(xué)層面知識(shí)極為豐富，知識(shí)面廣，病種繁多，需結(jié)合具體病種與專門的理賠計(jì)算方式才能設(shè)計(jì)出符合客戶需求的產(chǎn)品。

? 政務(wù)與公安

場景應(yīng)用分析一：公安研判分析與預(yù)警

依據(jù)知識(shí)庫快速搭建網(wǎng)絡(luò)分析案情，克服內(nèi)外部業(yè)務(wù)痛點(diǎn)

Part1：外部情況

傳統(tǒng)犯罪變化：?傳統(tǒng)犯罪向動(dòng)態(tài)化、組織化、集團(tuán)化、專業(yè)化發(fā)展，并在加速“上網(wǎng)”，在現(xiàn)代化程度高的都市更是呈現(xiàn)出高科技犯罪與犯罪主體年輕化與智能化的特點(diǎn)。

新興網(wǎng)絡(luò)犯罪叢生：以互聯(lián)網(wǎng)為手段的新型網(wǎng)絡(luò)犯罪不斷凸顯，呈高發(fā)多發(fā)態(tài)勢，危害日益嚴(yán)重。新型網(wǎng)絡(luò)犯罪具有隱蔽性、迷惑性、衍變性，其借助互聯(lián)網(wǎng)與移動(dòng)互聯(lián)等技術(shù)使大量犯罪由現(xiàn)實(shí)空間轉(zhuǎn)入虛擬空間，以網(wǎng)絡(luò)詐騙為主要類型。

社會(huì)人口動(dòng)態(tài)化：伴隨著交通方式進(jìn)步而來的是社會(huì)人口與物品的流動(dòng)性加強(qiáng)，這為人口跨地域作案提供了便利，提升了社會(huì)治理難度。

Part2：外部情況

打擊犯罪新手段亟待提升：?面對外界變化，公安在傳統(tǒng)犯罪、新型網(wǎng)絡(luò)犯罪中難以發(fā)現(xiàn)并挖掘人口與案件的關(guān)系，打擊犯罪新手段急需結(jié)合公安大數(shù)據(jù)與知識(shí)圖譜等新技術(shù)，增強(qiáng)作戰(zhàn)實(shí)力。

編制有限但群眾警情需求量大：因政府編制的特性，公安人員數(shù)量有限，但要處理大量的偵查案件，急需使用新技術(shù)協(xié)助或解放人力。

涉毒團(tuán)伙網(wǎng)絡(luò)挖掘

預(yù)期目標(biāo)：挖掘毒品交易與販毒團(tuán)伙網(wǎng)絡(luò)，快速掌握販毒證據(jù)，制定抓捕方案。

核心原理及效果：通過已有專題數(shù)據(jù)庫與知識(shí)圖譜技術(shù)快速構(gòu)建販毒網(wǎng)絡(luò)，及時(shí)發(fā)現(xiàn)動(dòng)態(tài)化、多變的團(tuán)伙關(guān)系。

示例：尿檢為陽性的甲經(jīng)常前往吸毒人員經(jīng)常出沒的A酒吧，并收取丙的多筆大金額轉(zhuǎn)賬，還向乙發(fā)起多筆大金額轉(zhuǎn)賬，并與經(jīng)常出沒于邊境的丁有聯(lián)系，因此甲、乙、丁極有可能是涉毒團(tuán)伙。

服務(wù)警種：禁毒與緝毒警察。

網(wǎng)絡(luò)詐騙網(wǎng)絡(luò)挖掘

預(yù)期目標(biāo)：挖掘網(wǎng)絡(luò)詐騙團(tuán)伙，打擊應(yīng)對專業(yè)化的詐騙犯罪。

核心原理：通過已有專題數(shù)據(jù)庫與知識(shí)圖譜技術(shù)快速構(gòu)建詐騙關(guān)系網(wǎng)絡(luò)，研判分析犯罪團(tuán)伙的組織分工關(guān)系。

示例：王某使用張某的身份注冊A軟件與張女士假意戀愛并騙取其錢財(cái)，然而王某的登陸地為菲律賓，且其通過表面為購物軟件的B軟件購買張某的身份信息；B軟件為李某所開發(fā)，其使用兩套代碼讓B軟件能夠在購物軟件與身份售賣軟件之間切換。

服務(wù)警種：刑偵與經(jīng)偵等。

場景應(yīng)用分析四：應(yīng)急管理

以知識(shí)庫、關(guān)聯(lián)推理及危險(xiǎn)人/物管理服務(wù)為核心產(chǎn)品

1.知識(shí)體系龐大且信息維度復(fù)雜

應(yīng)急管理涉及?管理、法律、理科、土木等多個(gè)專業(yè)學(xué)科領(lǐng)域，學(xué)科專業(yè)性強(qiáng)，整個(gè)認(rèn)知體系具備?信息量龐大、信息維度復(fù)雜、信息關(guān)聯(lián)緊密等特點(diǎn)。

2.應(yīng)急預(yù)案可操作性差且建設(shè)不完備

?部分已制定的各種處置突發(fā)性事件預(yù)案與應(yīng)急實(shí)踐脫節(jié)，有的單位對不同層次的預(yù)案概念不清，特別是對專項(xiàng)預(yù)案、部門預(yù)案會(huì)存在沒有及時(shí)補(bǔ)充修訂、沒有經(jīng)過專家論證等問題。

3.缺乏智能決策支持

尚未充分挖掘并利用緊急事件的數(shù)據(jù)及數(shù)據(jù)間的關(guān)系，緊急事件缺乏基于數(shù)據(jù)與知識(shí)作支撐的事前、事發(fā)、事中、事后4個(gè)階段的決策支持。

應(yīng)用舉例

預(yù)期目標(biāo)：及時(shí)出具緊急方案，實(shí)現(xiàn)搶險(xiǎn)救災(zāi)。

核心原理及效果：依據(jù)?地震的即時(shí)數(shù)據(jù)與資料，以及城市自身的區(qū)位條件、周圍城市物資與人力的響應(yīng)速度等數(shù)據(jù)，結(jié)合知識(shí)中臺(tái)的知識(shí)庫與自動(dòng)化工具，快速構(gòu)建地震搶險(xiǎn)救災(zāi)知識(shí)圖譜，形成第一時(shí)間的應(yīng)急解決方案。

示例：某市發(fā)生重大地震，急需制定應(yīng)急管理解決方案。通過應(yīng)急管理知識(shí)圖譜，該市基于數(shù)據(jù)形成?發(fā)生時(shí)間、地理位置等實(shí)體且發(fā)散關(guān)聯(lián)關(guān)系，尋找歷史相似案例，對比出具方案，并依據(jù)應(yīng)急知識(shí)庫列出所需物資，輔助救災(zāi)人員完成方案思考與擬定。

? 醫(yī)療

場景應(yīng)用分析一：醫(yī)療流程輔助

輔助院內(nèi)外醫(yī)療流程，提升服務(wù)效率

一、主要業(yè)務(wù)痛點(diǎn)

Part1：患者端

診療人次基數(shù)大：??攀升的診療人次意味著醫(yī)療衛(wèi)生需求的增加，診療需求缺口逐步擴(kuò)大。據(jù)統(tǒng)計(jì)，2021年中國衛(wèi)生機(jī)構(gòu)診療人次已接近85億人次，已恢復(fù)至疫情前水平。

人均醫(yī)療衛(wèi)生費(fèi)用增加：2021年中國人均衛(wèi)生費(fèi)用已突破5300元，相比去年增長4.6%，居民在個(gè)人醫(yī)療衛(wèi)生上的花費(fèi)增加。

Part2：醫(yī)院端

三級醫(yī)院：??資深醫(yī)師工作超負(fù)荷，診療方案出具量巨大；患者等待時(shí)間長，易產(chǎn)生醫(yī)患矛盾；年輕醫(yī)師資歷不足，需要持續(xù)指導(dǎo)。

二級醫(yī)院：資深醫(yī)師數(shù)量有限，診斷能力較低，可能存在誤診漏診情況。

一級及未定級醫(yī)院：機(jī)構(gòu)數(shù)量最多，是國家推進(jìn)分級診療的重點(diǎn)分診醫(yī)療機(jī)構(gòu)層級，但醫(yī)師與醫(yī)療設(shè)備稀缺，診療經(jīng)驗(yàn)不足，誤診漏診現(xiàn)象較為嚴(yán)重。

Part3：監(jiān)管側(cè)

多重因素加劇醫(yī)保支出，醫(yī)?？刭M(fèi)趨緊：???居民自身的合理的醫(yī)保消費(fèi)、人口老齡化的醫(yī)保支持、疾病譜改變和新病種的出現(xiàn)等不可控因素，以及?醫(yī)保費(fèi)用增長存在供方誘導(dǎo)需求與需方過度消費(fèi)等可控因素，都直接或間接地導(dǎo)致醫(yī)保費(fèi)用的增長。

DRGs付費(fèi)工作持續(xù)推進(jìn)：在醫(yī)保局、衛(wèi)健委的推動(dòng)下，DGRs付費(fèi)的試點(diǎn)區(qū)域擴(kuò)大，控費(fèi)方式逐步精細(xì)化，急需借助數(shù)字化與智能化手段輔助DRGs分組。

二、應(yīng)用建設(shè)現(xiàn)狀

Part1：已嵌入應(yīng)用

CDSS：??將醫(yī)學(xué)知識(shí)庫與醫(yī)療實(shí)例構(gòu)建成知識(shí)圖譜網(wǎng)絡(luò)，在診中服務(wù)于單病種或多病種輔助診斷，達(dá)到分診效果。

智慧病案與DRGs：將病歷與疾病數(shù)據(jù)構(gòu)建成知識(shí)圖譜網(wǎng)絡(luò)，關(guān)聯(lián)患者疾病與應(yīng)享有的醫(yī)保支付范圍，控制醫(yī)保開支。

智能醫(yī)藥：將患者病歷的臨床診斷與藥物做關(guān)聯(lián)，輔助藥方出具、提供用藥建議，并進(jìn)行用藥審核。

Part2：應(yīng)用水平

CDSS達(dá)到初級應(yīng)用階段：??針對感冒、肺結(jié)節(jié)等簡單病種可提供輔助診斷服務(wù)，在初級智能分診服務(wù)應(yīng)用比較廣泛。

中高級應(yīng)用仍在研發(fā)：針對中級的智能影像輔助分析診斷、高級的DRGs與智能用藥，還停留在實(shí)驗(yàn)研究階段。

Part3：應(yīng)用建設(shè)不足

急于評級而忽視質(zhì)量：??受評級相關(guān)政策的影響，廠商為搭上評級的“快車”，將CDSS等產(chǎn)品作為評級創(chuàng)收的工具，忽視了知識(shí)圖譜臨床價(jià)值深度的開發(fā)。

基本庫建設(shè)欠缺：基本庫包括疾病庫、治療庫、藥品庫、個(gè)人健康檔案、醫(yī)生檔案等，現(xiàn)階段的基本庫并不完整，庫中的數(shù)據(jù)資料也不充足，難以進(jìn)行調(diào)研與Schema構(gòu)建。

三、應(yīng)用舉例

案例1：CDSS臨床輔助決策

預(yù)期目標(biāo)：??依據(jù)臨床癥狀的關(guān)聯(lián)節(jié)點(diǎn)，輔助年輕醫(yī)師或一級及未定級醫(yī)院診斷出惡性肺結(jié)節(jié)。

核心原理：基于疾病庫與患者的個(gè)人健康檔案，將惡性肺結(jié)節(jié)癥狀與患者A的臨床癥狀關(guān)聯(lián)起來，并查看患者A的疾病史，提示醫(yī)師患者A可能患有惡性肺結(jié)節(jié)。

服務(wù)部門：門診部、檢測部。

案例2：DRGs疾病與醫(yī)保關(guān)聯(lián)審核

預(yù)期目標(biāo)：??依據(jù)短期急性患者B的臨床診斷與癥狀等關(guān)聯(lián)節(jié)點(diǎn)，進(jìn)行DRGs分組，核實(shí)醫(yī)保可報(bào)銷的治療費(fèi)用范圍。

核心原理：基于疾病庫、患者的個(gè)人健康檔案、CHS-DRG目錄等知識(shí)庫，將患者B的臨床癥狀、手術(shù)復(fù)雜度等的相關(guān)內(nèi)容與心臟移植手術(shù)的相關(guān)內(nèi)容做關(guān)聯(lián)，提示患者B的術(shù)后排異治療在醫(yī)保報(bào)銷范圍。

服務(wù)機(jī)構(gòu)：醫(yī)院與醫(yī)保局。

場景應(yīng)用分析二：醫(yī)學(xué)科研

創(chuàng)新科研方法，提升科研創(chuàng)新實(shí)力與研究效率

一、主要業(yè)務(wù)痛點(diǎn)

Part1：臨床科學(xué)研究

文獻(xiàn)篩選量大、復(fù)雜度高：對頂級三甲醫(yī)院而言，為?進(jìn)行臨床科研創(chuàng)新研究，獲取學(xué)術(shù)排名，其需要自創(chuàng)領(lǐng)先的醫(yī)學(xué)論文作支持，而醫(yī)學(xué)論文中的文獻(xiàn)參考、病理假設(shè)推斷與數(shù)據(jù)關(guān)聯(lián)等關(guān)鍵工作帶有篩選量大、復(fù)雜度高的特點(diǎn)，研究人員急需借助數(shù)智化工具提升科研工作效率與成功的可能性。

Part2：藥物研發(fā)

居民疾病負(fù)擔(dān)加重：我國的心血管疾病與癌癥負(fù)擔(dān)最重，且隨著我國人均期望壽命的延長與老齡化加劇，慢性呼吸疾病、糖尿病與腎病、肌肉骨骼失調(diào)等慢性疾病負(fù)擔(dān)亦會(huì)加重。此外，疫情的出現(xiàn)與變異對整體社會(huì)面的健康衛(wèi)生造成巨大威脅。由此，針對各類慢性病、癌癥與傳染性疾病，自主研發(fā)創(chuàng)新藥物，減輕居民疾病負(fù)擔(dān)已成為制藥的一大趨勢。

藥企的經(jīng)濟(jì)利益與藥物研發(fā)業(yè)務(wù)難度驅(qū)動(dòng)：?一方面，藥企藥物研發(fā)成功可獲取創(chuàng)新藥專利，搶占新藥專利紅利，但國內(nèi)藥企的創(chuàng)新藥專利較為稀缺；另一方面，藥物研發(fā)具有高技術(shù)、高投入、高風(fēng)險(xiǎn)、低成功率、審批慢的痛點(diǎn)，藥物發(fā)現(xiàn)階段的數(shù)據(jù)量與計(jì)算量巨大。

國家控制藥物成本的工作持續(xù)推進(jìn)：?提升藥物創(chuàng)新研發(fā)能力，不僅可以控制外國藥物進(jìn)口成本，而且可以改善病人因經(jīng)濟(jì)問題無法購藥的問題。

二、與機(jī)器學(xué)習(xí)相比，知識(shí)圖譜在藥物研發(fā)領(lǐng)域的優(yōu)勢

1.頻繁子圖挖掘

機(jī)器學(xué)習(xí)的數(shù)據(jù)特征更多依賴人為篩選，而知識(shí)圖譜可以做到頻繁子圖挖掘，即從大量的圖中挖掘出滿足給定支持度的頻繁子圖，同時(shí)依據(jù)算法保證這些頻繁圖不重復(fù)。知識(shí)圖譜的圖特性使其可以更快更自動(dòng)化地挖掘出藥物子圖。

2.數(shù)據(jù)維度豐富

知識(shí)圖譜可基于多維度數(shù)據(jù)構(gòu)建藥物知識(shí)庫，將病理學(xué)、歷史用藥導(dǎo)致結(jié)果等多角度的數(shù)據(jù)進(jìn)行關(guān)聯(lián)整合分析，以直觀的圖形式揭示復(fù)雜的藥物原理與推理關(guān)系，為藥物研發(fā)提供便捷的工具。

3.可解釋性增強(qiáng)

相比于機(jī)器學(xué)習(xí)的黑箱問題缺陷，知識(shí)圖譜可以結(jié)合貝葉斯網(wǎng)絡(luò)與GNN等算法，過程中的每一參數(shù)與節(jié)點(diǎn)流程都可展示呈現(xiàn)，可為數(shù)據(jù)分析、邏輯推理提供更有說服力的證據(jù)鏈與證據(jù)流程，提高模型的可解釋性。

? 工業(yè)與電力

場景應(yīng)用分析一：產(chǎn)品與工藝創(chuàng)新研發(fā)

高附加值環(huán)節(jié)依賴國外，需借助知識(shí)圖譜創(chuàng)新產(chǎn)品與工藝

一、主要業(yè)務(wù)痛點(diǎn)：新產(chǎn)品與新工藝研發(fā)設(shè)計(jì)不足

高附加值環(huán)節(jié)依賴國外：??國內(nèi)在低端產(chǎn)品制造方面產(chǎn)能過剩，但在高端精細(xì)化工業(yè)產(chǎn)品的生產(chǎn)工藝上仍然依賴國外，高技術(shù)、高附加值產(chǎn)品不足。

研究積累薄弱：在化工原理、反應(yīng)機(jī)理、油氣勘探、核心零部件設(shè)計(jì)等基礎(chǔ)研究方面，國內(nèi)的研究積累比較薄弱，需要將專業(yè)知識(shí)與經(jīng)驗(yàn)進(jìn)行體系化梳理，輔助新產(chǎn)品與新工藝研發(fā)。

二、知識(shí)圖譜搭建過程

知識(shí)梳理：??知識(shí)圖譜搭建的第一步，需要將業(yè)務(wù)體系下的行業(yè)知識(shí)梳理好。

邊界確定：如某一細(xì)分領(lǐng)域?yàn)榘本]，將氨綸的業(yè)內(nèi)專家、化工原理等梳理成知識(shí)體，明確研究范圍。

采集過程：包含知識(shí)清洗、知識(shí)對齊、知識(shí)存儲(chǔ)。

管理目的：建立管理機(jī)制，對知識(shí)進(jìn)行增減與更新。

三、知識(shí)圖譜應(yīng)用舉例：以半導(dǎo)體光刻膠的產(chǎn)品與工藝研發(fā)設(shè)計(jì)為例

預(yù)期目標(biāo)：發(fā)現(xiàn)新型半導(dǎo)體光刻膠產(chǎn)品或工藝研發(fā)設(shè)計(jì)方法，逐步實(shí)現(xiàn)半導(dǎo)體光刻膠國產(chǎn)化替代。

核心原理：基于搭建好的半導(dǎo)體光刻膠知識(shí)庫，構(gòu)建知識(shí)圖譜網(wǎng)絡(luò)，發(fā)掘不同類型的半導(dǎo)體光刻膠的特性、化工原理、適用的光刻工藝，光刻工藝細(xì)節(jié)等。

業(yè)務(wù)價(jià)值：以直觀的形式展現(xiàn)產(chǎn)品與工藝研發(fā)知識(shí)中的隱性關(guān)系，輔助關(guān)聯(lián)關(guān)系與知識(shí)點(diǎn)間相互關(guān)系的發(fā)現(xiàn)，激發(fā)研究思路。

服務(wù)對象：產(chǎn)品與工藝研發(fā)人員。

所需數(shù)據(jù)特點(diǎn)：以文本化數(shù)據(jù)為主，因?yàn)楫a(chǎn)品與工藝研發(fā)類的知識(shí)圖譜更多以專業(yè)知識(shí)為基礎(chǔ)進(jìn)行搭建。

場景應(yīng)用分析二：安全質(zhì)量控制

檢修與缺陷排查耗時(shí)費(fèi)力，知識(shí)圖譜快速提供原因與措施

一、主要業(yè)務(wù)痛點(diǎn)

Part1：設(shè)備易發(fā)多發(fā)故障，檢修知識(shí)與經(jīng)驗(yàn)需匯聚沉淀

??工業(yè)生產(chǎn)流程與電力調(diào)度過程涉及到多類型、多數(shù)量的設(shè)備，這些設(shè)備都有專業(yè)的操作步驟與檢修知識(shí)，設(shè)備故障分析耗費(fèi)大量人力與時(shí)間，而故障的歷史數(shù)據(jù)或檢修經(jīng)驗(yàn)尚未被系統(tǒng)化地匯集、開發(fā)與利用。如何圍繞設(shè)備故障的核心數(shù)據(jù)與經(jīng)驗(yàn)，提高故障處理效率，節(jié)省成立成本與重復(fù)性工作，是設(shè)備檢修的業(yè)務(wù)難題。

Part2：產(chǎn)品/設(shè)備可能存在潛在缺陷，需進(jìn)行缺陷排查

??工業(yè)與電力對產(chǎn)品/設(shè)備的嚴(yán)謹(jǐn)性與安全性存在高要求，這就需求相關(guān)人員對工業(yè)/電力整體生產(chǎn)流程所設(shè)計(jì)設(shè)備的安全性、可控性進(jìn)行嚴(yán)格把關(guān)，并進(jìn)行失效影響分析，完成生產(chǎn)異常溯源，其中涉及大量專業(yè)知識(shí)與假設(shè)，分析檢查過程難度大且時(shí)間長。

Part3：人力分析可能存在失誤或不全面，新手需工具輔助

??完全依賴人力勞動(dòng)帶有不可避免的局限性，如因疲勞所導(dǎo)致的失誤判斷、因認(rèn)知有限所導(dǎo)致的分析不全面等。此外，新手與經(jīng)驗(yàn)豐富的專家存在業(yè)務(wù)能力差距，需要專業(yè)簡易的工具輔助。

二、知識(shí)圖譜核心業(yè)務(wù)價(jià)值

多維度知識(shí)關(guān)聯(lián)，快速響應(yīng)機(jī)制建立

??知識(shí)圖譜的廣度與維度很多，可以將設(shè)備知識(shí)、細(xì)分領(lǐng)域知識(shí)、部門業(yè)務(wù)職能等多個(gè)維度的知識(shí)關(guān)聯(lián)起來，從多維全面的角度去分析問題；

在設(shè)備發(fā)生故障時(shí)，知識(shí)圖譜可以快速找到解決方案，如需要什么職位的人去解決、故障的現(xiàn)象可以關(guān)聯(lián)到哪些原因等。

在發(fā)現(xiàn)設(shè)備缺陷時(shí)，知識(shí)圖譜可以溯源至生產(chǎn)廠商、生產(chǎn)環(huán)節(jié)與流程等，快速分析缺陷原因。

三、應(yīng)用舉例

預(yù)期目標(biāo)：快速發(fā)現(xiàn)變壓器001的故障原因，并采取相應(yīng)措施，保證變壓器安全并恢復(fù)供電。

核心原理：基于過往的變電站故障原因與知識(shí)手冊等搭建知識(shí)圖譜網(wǎng)絡(luò)，根據(jù)故障現(xiàn)象快速定位原因與措施。

所需數(shù)據(jù)特點(diǎn)：以文本數(shù)據(jù)為主，包含設(shè)備知識(shí)指南與手冊、基本概念、檢修經(jīng)驗(yàn)等。結(jié)構(gòu)化數(shù)據(jù)可作為數(shù)值屬性而存在，作為某一故障的具體體現(xiàn)。

觸發(fā)流程：現(xiàn)場故障設(shè)備運(yùn)行數(shù)據(jù)發(fā)出警告信息——故障文本數(shù)據(jù)和系統(tǒng)數(shù)據(jù)構(gòu)建知識(shí)圖譜——邏輯分析運(yùn)算——處置結(jié)果產(chǎn)生。

場景應(yīng)用分析三：供應(yīng)鏈管理

通過多維知識(shí)圖譜網(wǎng)絡(luò)解決供應(yīng)鏈物資供應(yīng)與成本管理難題

物資供應(yīng)難以匹配采購需求

??采購周期不足導(dǎo)致物資難以到貨：部分工業(yè)企業(yè)進(jìn)行采購時(shí)，僅考慮市場需求而缺少對庫存與采購量之間的衡量，有的領(lǐng)域（如煤炭）采購計(jì)劃性差，需要隨買隨用，預(yù)留的采購時(shí)間緊張，可能帶來供應(yīng)不足或斷供的影響。

采購價(jià)格與物資質(zhì)量難以平衡：采購方希望以較低的成本換取優(yōu)質(zhì)的物資，但實(shí)際采購時(shí)由于中間環(huán)節(jié)多、價(jià)格不透明、生產(chǎn)工作量改變等因素的影響，很難找到采購價(jià)格與物資品質(zhì)之間的平衡點(diǎn)。

供應(yīng)鏈成本壓力加劇

高庫存導(dǎo)致的現(xiàn)金流壓力：?因地租成本、企業(yè)擔(dān)心潛在的銷售損失、客戶取消訂單、老庫存消化不足、產(chǎn)品設(shè)計(jì)變更或廢止等因素的影響，制造業(yè)一直存在高庫存問題，這對制造企業(yè)的現(xiàn)金流造成了不小的現(xiàn)金流壓力。

其他因素導(dǎo)致的供應(yīng)鏈成本壓力：信息流、物流和資金流的信息不透明且多變，以及工業(yè)產(chǎn)品設(shè)計(jì)的不合理等都會(huì)加大供應(yīng)鏈的復(fù)雜程度和管理難度，最終增加供應(yīng)鏈成本。

案例1: 知識(shí)圖譜輔助物資補(bǔ)給

預(yù)期目標(biāo)：及時(shí)為車企A供應(yīng)發(fā)動(dòng)機(jī)，為車輛提供組裝零部件，滿足出貨需求。

核心原理：基于供應(yīng)鏈知識(shí)圖譜網(wǎng)絡(luò)，及時(shí)發(fā)現(xiàn)甲類發(fā)動(dòng)機(jī)的缺貨狀態(tài)，尋找性能型號相似的一類發(fā)動(dòng)機(jī)進(jìn)行彌補(bǔ)，并比對多家供應(yīng)商乙類發(fā)動(dòng)機(jī)的產(chǎn)品售價(jià)與運(yùn)輸時(shí)間，輔助車企A選擇性價(jià)比更高、運(yùn)輸時(shí)間更短的供貨方案。

強(qiáng)需求細(xì)分領(lǐng)域：因離散工業(yè)需組裝來自多方供應(yīng)商的元件、部件等，供貨受到企業(yè)與供應(yīng)商關(guān)系、供應(yīng)商內(nèi)部生產(chǎn)等多重因素的影響，故對供應(yīng)鏈知識(shí)圖譜有較強(qiáng)需求。

案例2: 知識(shí)圖譜協(xié)助成本分析與營銷策略制定

預(yù)期目標(biāo)：幫助企業(yè)B分析LCD顯示器生產(chǎn)成本上漲原因，并基于此調(diào)整營銷策略。

核心原理：基于供應(yīng)鏈知識(shí)圖譜網(wǎng)絡(luò)，發(fā)現(xiàn)LCD顯示器生產(chǎn)成本提高的原因?yàn)閷?dǎo)電玻璃的供應(yīng)商C升級了鍍膜技術(shù)，提示企業(yè)B提前制定相應(yīng)的顯示器促銷方案，應(yīng)對由成本上升所導(dǎo)致的售價(jià)上升、銷量降低的情況。

服務(wù)對象：財(cái)務(wù)分析人員與市場營銷人員。

強(qiáng)需求細(xì)分領(lǐng)域：與個(gè)人消費(fèi)密切相關(guān)的食品工業(yè)、電子產(chǎn)品工業(yè)等。

持續(xù)進(jìn)行數(shù)據(jù)治理工程

從源頭保證知識(shí)與智慧真實(shí)可靠、可用正確

數(shù)據(jù)治理為知識(shí)圖譜輸送數(shù)據(jù)源，是知識(shí)圖譜構(gòu)建的前置環(huán)節(jié)與基礎(chǔ)性工程。完備良好的數(shù)據(jù)治理不僅能確保知識(shí)圖譜在搭建過程中獲取真實(shí)可靠的數(shù)據(jù)原料，而且能從源頭上改善信息質(zhì)量，提升知識(shí)的準(zhǔn)確度，建立符合人類認(rèn)知體系的數(shù)據(jù)資源池。但是，數(shù)據(jù)治理在知識(shí)圖譜（尤其是行業(yè)知識(shí)圖譜）建設(shè)卡點(diǎn)中是一個(gè)老生常談的問題。知識(shí)圖譜應(yīng)用始終要圍繞數(shù)據(jù)標(biāo)簽、數(shù)據(jù)清洗、數(shù)據(jù)歸一、數(shù)據(jù)銷毀等數(shù)據(jù)治理環(huán)節(jié)展開，應(yīng)用開發(fā)人員往往需要在前期的數(shù)據(jù)治理工作中投入大量時(shí)間和人力，以確保數(shù)據(jù)源的真實(shí)性、可靠性、可用性、正確性。當(dāng)前，數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、數(shù)據(jù)噪聲大、領(lǐng)域數(shù)據(jù)集缺失、數(shù)據(jù)可信度異常等數(shù)據(jù)治理難題依然困擾著知識(shí)圖譜研發(fā)者，持續(xù)進(jìn)行數(shù)據(jù)治理工程是業(yè)內(nèi)參與者艱巨的使命與職責(zé)。

儲(chǔ)備培養(yǎng)行業(yè)專家與技術(shù)專家

缺乏深厚行業(yè)專家與技術(shù)復(fù)合型專家，需做好儲(chǔ)備培養(yǎng)工作

目前知識(shí)圖譜行業(yè)整體處于開發(fā)資源待完善的局面，行業(yè)與技術(shù)專家資源稀缺屬于其中的一部分情況。一方面，缺少具備深厚行業(yè)經(jīng)驗(yàn)的專家。由于行業(yè)知識(shí)圖譜與行業(yè)的關(guān)聯(lián)度高，開發(fā)人員需要迅速了解業(yè)務(wù)與客戶需求，在行業(yè)專家的指導(dǎo)下完成Schema構(gòu)建，若涉及到文本抽取工作還需要行業(yè)專家進(jìn)行數(shù)據(jù)標(biāo)注，而各行各業(yè)中的行業(yè)專家往往僅有極少數(shù)。對此，供給方企業(yè)需要鎖定行業(yè)業(yè)務(wù)的強(qiáng)項(xiàng)領(lǐng)域、提前招募培養(yǎng)行業(yè)專家、進(jìn)行內(nèi)外協(xié)作，以完成行業(yè)專家儲(chǔ)備。另一方面，缺少技術(shù)復(fù)合型專家。整個(gè)知識(shí)圖譜應(yīng)用生產(chǎn)流程不僅涉及知識(shí)圖譜算法，生產(chǎn)流程的靠前環(huán)節(jié)還涉及到底層的圖數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)治理、NLP文本抽取和語義轉(zhuǎn)換，同時(shí)各環(huán)節(jié)都滲透著機(jī)器學(xué)習(xí)這一底層人工智能技術(shù)。這意味著整個(gè)生產(chǎn)流程需要多個(gè)技術(shù)領(lǐng)域的工程師協(xié)同合作，而對整套技術(shù)均有了解的技術(shù)專家數(shù)量稀缺。對此，供給方企業(yè)需要在項(xiàng)目中讓技術(shù)實(shí)施人員沉淀復(fù)合型知識(shí)經(jīng)驗(yàn)，讓企業(yè)內(nèi)部多方的技術(shù)專家進(jìn)行錯(cuò)位交流，進(jìn)行業(yè)務(wù)培訓(xùn)，以完成技術(shù)復(fù)合型專家的培養(yǎng)。

研發(fā)國產(chǎn)化圖數(shù)據(jù)庫

特殊的圖存儲(chǔ)結(jié)構(gòu)對底層存儲(chǔ)技術(shù)提出升級需求

由于知識(shí)圖譜是二維鏈接的圖結(jié)構(gòu)而非行或列的表結(jié)構(gòu)，其需以圖數(shù)據(jù)的形式描述并存儲(chǔ)，該方式能直接反應(yīng)知識(shí)圖譜的內(nèi)部結(jié)構(gòu)，有利于知識(shí)查詢，結(jié)合圖計(jì)算算法進(jìn)行知識(shí)的深度挖掘與推理。滿足這一存儲(chǔ)要求的數(shù)據(jù)庫為近幾年興起的圖數(shù)據(jù)庫。相比于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫，圖數(shù)據(jù)庫的數(shù)據(jù)模型以節(jié)點(diǎn)和邊來體現(xiàn)，可大大縮短關(guān)聯(lián)關(guān)系的查詢執(zhí)行時(shí)間，支持半結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)，展示多維度的關(guān)聯(lián)關(guān)系。高效便捷的新技術(shù)往往意味著更高的研發(fā)門檻。從時(shí)間與歸屬方面看，全球第一款商用圖數(shù)據(jù)庫為2007年誕生的Neo4j，往后十年間的圖數(shù)據(jù)庫研發(fā)商基本分布于海外，而我國第一款商用圖數(shù)據(jù)庫為2017年上線的Galaxybase，比海外布局晚了近十年。從受歡迎度來看，Neo4j以59.4分一騎絕塵，占領(lǐng)著圖數(shù)據(jù)庫市場的高地。隨著國內(nèi)各行業(yè)知識(shí)圖譜應(yīng)用的加深，傳統(tǒng)關(guān)系型數(shù)據(jù)庫的不足逐漸顯現(xiàn)，研發(fā)國產(chǎn)化底層圖數(shù)據(jù)庫成為了推進(jìn)知識(shí)圖譜應(yīng)用的一大底層技術(shù)關(guān)鍵點(diǎn)，同時(shí)也從國家戰(zhàn)略角度推動(dòng)國產(chǎn)信創(chuàng)核心自主可控的步伐。

不斷攻克算法難點(diǎn)

生產(chǎn)流程與算法性能各有難點(diǎn)，有賴于多方協(xié)同攻堅(jiān)

在知識(shí)圖譜的搭建過程中，仍然面臨著各類算法難點(diǎn)，主要難點(diǎn)可歸結(jié)為生產(chǎn)流程中的算法難點(diǎn)和算法性能上的難點(diǎn)。前者體現(xiàn)為知識(shí)獲取受數(shù)據(jù)集限制、知識(shí)融合干擾因素較多、知識(shí)計(jì)算的數(shù)據(jù)集與算力不足等問題，而后者體現(xiàn)為算法泛化能力不足、魯棒性不足、缺乏統(tǒng)一測評指標(biāo)等問題。算法上的難點(diǎn)有賴于供需雙方、學(xué)術(shù)界、政府持續(xù)攻堅(jiān)，而非一方努力即可收獲成功。

優(yōu)化市場開拓策略

培養(yǎng)客戶內(nèi)生需求，探索高性價(jià)比產(chǎn)品形式

現(xiàn)階段，知識(shí)圖譜的市場開拓面臨著兩大難點(diǎn)：客戶認(rèn)知有待培養(yǎng)與技術(shù)產(chǎn)品化能力欠缺。從需求方角度看，廣大潛在客戶對知識(shí)圖譜普遍缺乏認(rèn)知，不知道知識(shí)圖譜產(chǎn)品與技術(shù)的存在，采購意識(shí)尚未覺醒，而機(jī)會(huì)客戶對知識(shí)圖譜多持觀望態(tài)度，不確定知識(shí)圖譜能否為自身業(yè)務(wù)帶來價(jià)值。從供給方角度看，廠商開發(fā)一整套知識(shí)圖譜解決方案會(huì)涉及建模、求解、應(yīng)用三方面的巨大成本，需要將成本以保證盈利且客戶能夠承擔(dān)的思路分?jǐn)偟礁黝愘M(fèi)用中。各類費(fèi)用匯總一般會(huì)形成售價(jià)較高的重量級解決方案，而重量級解決方案的市場受眾有限，性價(jià)比高的輕量級產(chǎn)品更符合廣大客戶偏好。如何將高成本開發(fā)出的重量級技術(shù)解決方案以“小而美”且經(jīng)濟(jì)實(shí)惠的方式封裝并出售，是廠商不得不解決的問題。

行業(yè)競爭格局走勢

五方盤踞，以強(qiáng)化技術(shù)實(shí)力與深化行業(yè)認(rèn)知為業(yè)務(wù)發(fā)展方向

我國當(dāng)前的知識(shí)圖譜市場主要為五方所盤踞：知識(shí)圖譜廠商、大數(shù)據(jù)廠商、NLP 廠商、互聯(lián)網(wǎng)大廠、信息化廠商。五類廠商優(yōu)勢各異，可將自身特殊優(yōu)勢作為“出牌技巧”，打出打好知識(shí)圖譜這張業(yè)務(wù)牌。盡管各方的知識(shí)圖譜業(yè)務(wù)開拓方式不一，但未來都以強(qiáng)化技術(shù)實(shí)力與深化行業(yè)認(rèn)知為發(fā)展方向，以尋求良好的知識(shí)圖譜業(yè)務(wù)回饋。

五類廠商優(yōu)勢及知識(shí)圖譜業(yè)務(wù)發(fā)展方向

知識(shí)圖譜廠商：具備行業(yè)知識(shí)圖譜先發(fā)優(yōu)勢，對傳統(tǒng)行業(yè)有較為領(lǐng)先的積累，行業(yè)認(rèn)知較強(qiáng)，知識(shí)圖譜技術(shù)資深，行業(yè)場景邏輯實(shí)力強(qiáng)。未來將朝更多行業(yè)拓展業(yè)務(wù)場景，深化行業(yè)理解并提高技術(shù)實(shí)力。

大數(shù)據(jù)廠商：擁有數(shù)字化客群基礎(chǔ)與數(shù)據(jù)積累，數(shù)據(jù)治理能力強(qiáng)，數(shù)據(jù)意識(shí)敏感，可在重量級數(shù)字化解決方案中捆綁知識(shí)圖譜能力及產(chǎn)品出售。未來將在數(shù)字化業(yè)務(wù)基礎(chǔ)上開發(fā)知識(shí)圖譜行業(yè)業(yè)務(wù)場景，強(qiáng)化知識(shí)圖譜技術(shù)。

NLP廠商：具備NLP技術(shù)優(yōu)勢，可結(jié)合語音語義產(chǎn)品配套售賣知識(shí)圖譜產(chǎn)品，知識(shí)圖譜產(chǎn)品相對輕量化。未來將在NLP業(yè)務(wù)基礎(chǔ)上開拓行業(yè)知識(shí)圖譜業(yè)務(wù)，實(shí)現(xiàn)NLP與知識(shí)圖譜技術(shù)一體化。

互聯(lián)網(wǎng)大廠：具備知識(shí)圖譜底層技術(shù)實(shí)力，可將內(nèi)部經(jīng)驗(yàn)與資源作為開拓傳統(tǒng)行業(yè)市場的利器。未來仍以自身的通用知識(shí)圖譜業(yè)務(wù)為知識(shí)圖譜業(yè)務(wù)主力，并以產(chǎn)業(yè)互聯(lián)網(wǎng)為方向，深化行業(yè)認(rèn)知與積累，開拓行業(yè)知識(shí)圖譜業(yè)務(wù)。

信息化廠商：擁有信息化客群基礎(chǔ)與數(shù)據(jù)積累，行業(yè)認(rèn)知較深，可迎合客戶使用習(xí)慣直接疊加開發(fā)知識(shí)圖譜產(chǎn)品。未來將在信息化存量業(yè)務(wù)的基礎(chǔ)上，提升技術(shù)實(shí)力，開拓行業(yè)知識(shí)圖譜業(yè)務(wù)。

知識(shí)圖譜應(yīng)用場景迭代

行業(yè)應(yīng)用場景邊界拓寬，垂直應(yīng)用場景被做深做透

前文已經(jīng)提到，高價(jià)值且實(shí)用性強(qiáng)的垂直場景知識(shí)圖譜是未來的業(yè)務(wù)發(fā)展方向，這屬于知識(shí)圖譜應(yīng)用場景迭代發(fā)展的內(nèi)容。在知識(shí)圖譜行業(yè)發(fā)展過程中，知識(shí)圖譜業(yè)務(wù)的應(yīng)用場景可持續(xù)迭代場景廣度與深度。一方面，各行業(yè)對知識(shí)圖譜的認(rèn)知與需求被喚醒，行業(yè)應(yīng)用場景邊界拓寬，知識(shí)圖譜應(yīng)用模型能力泛化，多種行業(yè)應(yīng)用同時(shí)實(shí)現(xiàn)落地。另一方面，隨著行業(yè)認(rèn)知加深與技術(shù)進(jìn)步，技術(shù)與業(yè)務(wù)的結(jié)合點(diǎn)愈發(fā)精準(zhǔn)，行業(yè)場景顆粒度不斷收斂細(xì)化。高價(jià)值且實(shí)用性強(qiáng)的垂直場景得到重視，循序漸進(jìn)地被做深做透，為傳統(tǒng)企業(yè)的業(yè)務(wù)帶來顯著的業(yè)務(wù)增效。

知識(shí)圖譜產(chǎn)業(yè)生態(tài)構(gòu)建

產(chǎn)業(yè)各方融合共建，產(chǎn)業(yè)生態(tài)逐步成長壯大

知識(shí)圖譜生態(tài)需由監(jiān)管引導(dǎo)方、供給方、需求方、投資方、高校及科研院所融合共建，匯聚建設(shè)合力，促進(jìn)產(chǎn)業(yè)生態(tài)成長壯大。各方相互提供資源支持，促成政策、人才、技術(shù)、資本、市場、商業(yè)的交互，探索與克服知識(shí)圖譜行業(yè)技術(shù)與業(yè)務(wù)難點(diǎn)，共同收獲產(chǎn)業(yè)發(fā)展價(jià)值，實(shí)現(xiàn)價(jià)值創(chuàng)造與價(jià)值分配的有機(jī)結(jié)合，形成共生共贏的合作體系，推動(dòng)產(chǎn)業(yè)不斷向前發(fā)展。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。