知识图谱：赋能响应式企业的上下文数据[新书]

5.00/5 (4投票s)

2021年9月28日

5分钟阅读

7228

您准备好通过知识图谱发现新机遇了吗？立即下载本书，并告诉我们您的想法。

知识图谱已经存在了近半个世纪——这个术语最早是在1972年提出的！长期以来，它们一直停留在学术界，直到2012年谷歌发布了他们的知识图谱。自那时以来，知识图谱发生了巨大的演变，现在已是不可逆转的趋势。

在过去的10年里，机器学习（ML）和人工智能（AI）取得了飞速的发展。由于知识图谱能够为数据注入智能并增加情境，它们被用来使ML和AI更加可靠、健壮、值得信赖且易于解释。这两种技术自然地融合在一起，促进了知识图谱的增长和必要性。

因此，这是一个令人兴奋的时刻，我们有激动人心的消息与您分享。

我们非常高兴地宣布《O’Reilly: 知识图谱：为响应式企业提供情境化数据》一书的上市——这是一本面向企业领导者、数据科学家和开发者的实用指南。

《知识图谱：为响应式企业提供情境化数据》一书的预览

数据是现代企业最重要的资产之一。然而，只有当从中提取信息和可操作的洞察时，数据才算得上是资产。

管理和利用数据通常由首席数据官（CDO）负责。在2021年NVP大数据与人工智能高管调查中，76.0%的受访者担任首席数据官或首席分析官，但**仅有** 39.3%**的受访者认为数据是“业务资产”。**

然而，由于数据管理效率低下，企业平均每年损失超过$2 百万美元。这是因为数据量和数据源增长及演变速度太快，导致企业难以利用数据获取洞察。

知识图谱通过情境和关系为数据注入智能。知识图谱能够组织并提供一个统一的地方来查找相关数据，并且——同样重要的是——可以*解读并采取行动*采取重要的信息。连接的数据，经过丰富的意义，可以更好地回答复杂的查询，并找到通往宝贵洞察的最有效途径。

知识图谱如何为数据注入智能？通过一个“组织原则”。

**组织原则** 是一个组织数据的附加层（元数据），它增加了连接的情境，以便更好地从图谱中提取意义，并支持推理和知识发现。知识图谱不是反复地将智能行为编码到应用程序中，而是将智能直接编码到数据中一次——更智能的数据便于重用，同时减少重复和不一致。

组织原则有很多种形式，更正式地称为**语义**——从同义词环、分类法和本体论等受控词汇，到实体解析和分析，再到标记、分类和归类，甚至人工智能。

知识图谱是多维度的、多方面的，并且适用于广泛的用例。它们涵盖数据管理和分析，并分为两种不同类型：**行动型知识图谱**和**决策型知识图谱**。

行动型知识图谱通过提供数据保证、发现或洞察，为更好地自动化流程和采取行动提供了一种方式。数据保证侧重于数据聚合、验证和治理，而数据洞察则关乎超越信息可见性——它围绕着新知识的探索、推论和推理。

行动型知识图谱用例包括数据治理和合规、风险管理、增强型MDM、X-360、AML（反洗钱）、根本原因分析等等。行动型知识图谱提供数据保证和彻底的可见性。

决策型知识图谱用于分析、机器学习和数据科学，以揭示数据中的趋势并改进决策。

决策型知识图谱用例包括欺诈检测、风险分析、追踪溯源、患者旅程分析、特征工程、知识图谱补全等等。决策型知识图谱提供更好的预测和更多的突破。

所有这些用例的共同点是关系。关系对行为具有高度预测性，但它们常常被忽视，因为历史上处理它们规模化一直很困难。知识图谱没有忽视它们，而是将关系整合到数据保证和洞察中，以及分析和机器学习工作流程中。

最终结果是改进的治理和合规性、完整的可见性、提高的效率以及更好的预测，从而做出更好的决策。

知识图谱在情境化人工智能（AI）中也扮演着非常重要的角色。通过为AI提供连接的情境，知识图谱使AI更值得信赖、更准确，并能进行更好的推理。

数字孪生目前非常热门，涵盖制造业、发电厂、供应链、制药业等众多行业。

数字孪生是资产和流程的软件表示，用于理解、预测和优化性能，以实现更好的业务成果。

知识图谱在此的作用是为数字孪生的分析、算法和模拟提供情境化蓝图，从而实现更好的预测性维护模型和未来设计的“假设”场景。

从打破数据孤岛到构建数据网格，再到加速机器学习和人工智能的采用，以及为数字孪生提供蓝图，知识图谱是基础，能使企业保持竞争力并蓬勃发展。

本书有三个关键要点如下：

“知识图谱正在推动下一波突破和组织竞争优势。”

[获取您的免费副本]