5-2工业场景知识图谱落地实战.pdf

工业场景知识图谱落地实战 本文旨在解决工业场景中知识图谱的实践落地问题，通过对知识图谱的构建、应用和服务进行了深入的分析和讨论。 一、痛点分析 * 设备知识分散在不同数据库、电子文件、线下文档中，结构化水平低。 * 设备信息分布散乱，检索设备知识不方便，统计设备知识缺少可靠的技术手段。 * 知识处理技术手段有限，不同类型的设备知识需要纯靠人力难以进行管理，知识库构建运营成本高。 * 设备知识运营管理困难，无法满足专业人员进行现场故障缺陷分析、做出相关专业结论与建议，知识服务能力不足。 * 设备知识增长迅速，每天都会产生新的运行数据与检修记录，爆炸式的数据增长增加了知识维护难度。 * 知识专业程度较高，专家较难日常工作较忙，难以抽出时间针对专业知识进行运营管理。 二、知识图谱在线峰会DataFunSummit2021 * 主题：工业场景知识图谱落地实战 * 日期：2021年3月27日 * 时间：09:00-18:00 * 主讲人：杜振东（云问科技） 三、知识图谱构建流程 * 设备知识库建设：实现应用场景纵向拓展，从知识检索、知识地图、知识援助消费知识库内容，并根据反馈持续丰富完善知识库。 * 设备信息融合：对存放在异构多源的设备相关信息进行融合统一，有利于对设备信息的全局把握与整体把握。 * 知识服务能力提高：设备管理知识中台的搭建，实现领域知识体系的建设，运用知识中台稳固支撑上层业务的开展。 四、核心技术解析 * 知识图谱构建模型：实现知识图谱知识的管理维护和关系挖掘，并以可视化的人机交互形式为现场工作人员提供知识支援。 * 智能知识援助模块：提供知识图谱的自然语言查询和问答能力，在决策中提供相应的知识援助决策。 * 运维决策模块：通过对运维、检修工作特征点、缺陷特征点、控制特征点的分析，为目标设备的发动机、电子设备等部位的运维计划决策提供支撑。 五、应用案例 * 设备维护知识中心：整体架构数据模块构建标注语料库，构建设备维护领域词表；支持对非结构化数据进行知识抽取，对结构化数据进行，形成基础实体库和关系库。 * 智能检修知识中心：提供知识图谱的自然语言查询和问答能力，在决策中提供相应的知识援助决策。 六、结论 工业场景知识图谱落地实战是当前工业企业面临的重要挑战，本文通过对知识图谱的构建、应用和服务进行了深入的分析和讨论，旨在解决工业场景中的知识图谱实践落地问题，提高企业的知识服务能力和业务效率。