Günde ortalama yüz milyonlarca arama isteğiyle, Baidu büyük ölçekli bilgi grafiklerini nasıl oluşturuyor ve uyguluyor?
Yapay zeka uygulamalarında bilgi grafiklerinin önemli değeri giderek daha fazla öne çıkmaktadır. Büyük İnternet kaynaklarına dayanan Baidu, akıllı arama, akıllı öneri ve akıllı etkileşim gibi birçok üründe yaygın olarak kullanılan süper büyük ölçekli bir genel bilgi grafiği oluşturdu. Metin, konuşma ve vizyon gibi akıllı teknolojilerin sürekli derinleşmesi ve endüstri zekası taleplerinin iyileştirilmesi ile bilgi grafikleri, karmaşık bilgi temsili, çok modlu anlamsal anlayış ve endüstri grafik oluşturma ve uygulamasında yeni zorluklarla karşı karşıyadır. 22 Kasım 2019'da düzenlenen AICon Küresel Yapay Zeka ve Makine Öğrenimi Teknolojisi Konferansında, Baidu Bilgi Grafiği Bölümü Araştırma ve Geliştirme Mimarı Song Xunchao, Baidu'nun geniş ölçekli bilgi grafiği oluşturma, çok modlu anlamsal anlayış, endüstri bilgi grafiği oluşturma ve uygulamasını paylaştı. Bu tür alanlardaki son gelişmeler.
Baidu Bilgi Grafiği Departmanının son dönemde AICon konferansında teknolojik ilerlemesini ve uygulama durumunu sizlerle paylaşmaktan çok mutluyum. Bu paylaşımın konusu "Baidu'nun geniş ölçekli bilgi grafiği yapımı ve akıllı uygulaması". İçerik esas olarak üç bölüme ayrılıyor: ilk bölüm Baidu bilgi grafiğine genel bir bakış; ikinci bölüm Baidu bilgi grafiği teknolojisinin ilerlemesidir; üçüncü bölüm Bunun bir kısmı Baidu Bilgi Grafiğinin endüstri uygulamasıdır.
Baidu Bilgi Grafiğine Genel Bakış
Daha sonra, Baidu Bilgi Grafiğine genel bir bakış olan ilk bölümden bahsedelim. Öncelikle, sizinle birlikte Baidu Bilgi Grafiğinin son birkaç yıldaki ana hat çalışmalarını ve teknolojik gelişimini gözden geçirmek için biraz zaman ayırmak istiyorum. Baidu Bilgi Grafiği, arama ve hizmet aramasından türetilmiştir.Aynı zamanda, kendi teknolojimizin birikimi ve gelişimi ile, bilgi grafiği teknolojisini, arama dışında iş ve ürün gruplarında yaygın olarak kullandık. Bilgi grafiklerinin oluşturulması ve uygulanmasında muhtemelen dört nispeten büyük aşamadan geçtik.
Baidu Bilgi Grafiği Geliştirme Geçmişi
KG öncesi aşaması
İlk aşama 2013 öncesi ve biz buna dahili olarak Pre-KG aşaması diyoruz. Aslında bu aşama aynı zamanda akademi ve endüstri tarafından ele alınan bilgi grafiği teknolojisinin gelişiminin ilk aşamasıdır. Bu aşamada asıl işimiz yapılandırılmış veriyi özelleştirilmiş bir şekilde üretmek, aslında burada "bilgi grafiği" olarak adlandırılamaz. O zaman, özelleştirilmiş bir şekilde üretilen yapılandırılmış verileri, Baidu araştırmasının istihbarata yönelik erken bir temsilci ürünü olan Baidu Zhixin'e uyguladık.
Alan bilgisi haritası aşaması
İkinci aşama 2014'ten 2015'e kadardır. Biz buna alan bilgisi grafiği aşaması diyoruz. Bu aşamada, bilgi grafiğimizin yapım ve uygulama teknolojisi sistemi yavaş yavaş şekilleniyor ve dikey ve alan bilgi grafiklerinin modellenmesi ve uygulanması için bir dizi mimari ve mekanizma oluşturuldu. Uygulama açılış seviyesi temel olarak Baidu aramasının Aladdin'ini ve önerilerini destekliyor Baidu'nun birinci nesil akıllı yaşam asistanı Du Mi'deki akıllı özetin yanı sıra dikey arama ve dikey soru ve cevap.
Genel bilgi grafiği aşaması
Üçüncü aşama 2016'dan 2017'ye kadardır. Bu aşamada, genel bilgi grafiklerinin oluşturulmasıyla ilgili mimariyi, algoritmaları ve mekanizmaları kademeli olarak derinleştirdik.Teknik odak, birleşik ve entegre bilgi grafikleri, platform tabanlı dış kaynak kullanımı bilgi grafiği oluşturma üzerinedir ve bu süreçte inşaatı kademeli olarak derinleştirdik. Baidu Çince Bilgi Haritası ve Eğlence Bilgi Haritası dahil olmak üzere bir dizi daha farklı alan bilgisi haritası. Uygulama düzeyinde, arama ürünlerinde Baidu Bilgi Grafiği, KB Soru-Cevap şeklinde doğrudan Baidu aramasının ilk memnuniyetini sağlamaya başladı. DuerOS'un çeşitli uç cihazlarındaki genel bilgi memnuniyeti, etkimizi sürekli olarak genişletmektedir. Baidu Feed bilgi akışı önerisi senaryosunda, bilgi dağıtımı etkisini daha iyi hale getirmek için bilgi haritasına dayalı olarak büyük ölçekli bir ilgi noktaları ve endişeler haritası oluşturduk.
Genel / endüstri bilgi haritası + çoklu heterojen
Son aşama 2017 sunmaktır. Bu aşamada, bilgi grafiğinin yeteneklerini kademeli olarak serbest bıraktık ve alandaki daha ileriye dönük sorunları keşfettik. Bu aşamada, teknoloji odağımızın odak noktası, çoklu ve heterojen bilgi grafiklerinin yanı sıra bilgi grafiklerine dayalı aktif koleksiyon öğrenme modelinin yanı sıra multimedya bilgisinin, karmaşık bilginin ve basit üçlülerin ötesinde endüstri bilgisinin anlaşılması ve oluşturulmasıdır. . Bu aşamada, arama tarafında, ana uygulama inişimiz, Baidu arama ilk memnuniyetini tam olarak desteklemek için bilgi grafiğini kullanmaktır. Öneriler yapmak için feed bilgi akışındaki bilgi haritasının anlamsal ilişkisine dayalı bir ilgi noktaları haritası oluşturmanın yanı sıra, feed'deki bilgi haritasına ve akıllı içerik oluşturmaya dayalı derinlemesine video içeriği anlayışı da yapıyoruz. 2017'den başlayarak, Baidu Bilgi Grafiğinde biriktirilen strateji algoritmalarını, mimariyi ve platform deneyimini de kademeli olarak sektöre aktardık ve ayrıca müşteri hizmetleri, hukuk, tıp, finans, enerji ve diğer sektörlerde bazı ilerlemeler kaydettik. Ve atılım.
Genel olarak, şimdiye kadar, Baidu'nun Genel Bilgi Grafiğinin veri ölçeği 100 milyon düzeyindeki varlığa ve yüzlerce milyar düzeyindeki gerçek ve ilişkiye ulaştı. 2014 yılından bu yana Bilgi Grafiğinin hizmet ölçeği 490 kat artmıştır. Bu, tüm Baidu Bilgi Grafiği Departmanının kuruluşundan bugüne kadarki geliştirme geçmişidir.
Akıllı arama
Daha sonra, dört bölümdeki 100 milyar düzeyindeki kuruluşların ve 100 milyar düzeyindeki öznitelik ilişkilerinin büyük ölçekli genel bilgi grafiğini ve Baidu'daki her bir çekirdek iş kolunun uygulamasını kısaca tanıtacağım.
İlki akıllı aramadır. Şimdiye kadar, Baidu'nun akıllı araması ilk memnuniyet oranının% 57'sine ulaştı Bu, Robin'in en son mali raporunda açıklanan bir rakam. Arkasında, Baidu'nun en son yapay zeka teknolojisine dayanan bir lütuf var ve bunun yaklaşık% 20'si Baidu Knowledge Graph teknolojisi tarafından doğrudan destekleniyor. Bilgi grafiğine dayanarak, kullanıcıların arama ihtiyaçlarını doğrudan karşılıyoruz. Şu anda, ortalama olarak her gün yüz milyonlarca arama talebini karşılıyoruz. Gösterimleri, çeşitli bilgi grafiği soruları ve cevap kartları ile varlığın çeşitli boyutlarında bilgileri toplayan bilgi kartlarını içerir. Baidu aramasındaki bilgi grafiği tarafından doğrudan size getirilen akıllı bir deneyimdir.
Akıllı diyalog
İkinci uygulama noktası akıllı diyalogdur. Geçen yıl, Xiaodu'nun akıllı hoparlörleri, kullanıcı ölçeğinde hızlı büyümeyi sürdürdü. Bilgi grafiği DuerOS sesli diyalog sisteminde nasıl bir rol oynar? Aslında, bilgi grafiği ona genel bilgi memnuniyeti hizmetleri sağlar. Şimdiye kadar, Baidu Bilgi Grafiği, DuerOS'un talebi karşılamak için büyük bir genel bilgi oranını kapsayan yaklaşık yüz çeşit genel bilgi memnuniyeti kabiliyeti elde etmesine yardımcı oldu.
Akıllı Öneri
Üçüncü düzey, feed bilgi akışı öneri senaryolarında bilgi grafiklerinin uygulanmasıdır. Bilgi grafiğinin içerik modeline ve akıllı öneri teknolojisine dayanan bu senaryoda, feed makalelerinin dağıtım verimliliği büyük ölçüde iyileştirildi. Bilgi grafiğinin anlamsal ilişkisine dayanarak, nokta ve kenar anlamsal tarama ve çıkarım oluşturma doğrulaması yoluyla büyük ölçekli bir dikkat haritası oluşturuyor, dikkat haritasını, makalenin arkasındaki içerik ilişkisini ve dikkat yoluyla bilgi bağlantısını oluşturuyoruz. Nokta haritası bağlantılıdır. Bilgi grafiği tarafından geliştirilen öneriye dayalı olarak, geleneksel akıllı öneri, daha güçlü bilgi uygunluk özelliklerine sahiptir ve önerinin yorumlanabilirliği ve etkisi de büyük ölçüde iyileştirilmiştir.
Akıllı yazı
Sonuncusu akıllı yazı. Temel olarak bilgi grafiğindeki verileri kullanırız ve zaman açısından verimli ve yüksek kaliteli özel içerik üretmek için bilgi işleme, hesaplama, toplama ve diğer yöntemleri uygularız. Bu otomatik yazma yöntemi, borsa analizi, spor etkinlik raporlarının otomatik sunumu gibi belirli alanlarda çok önemli bir rol oynayabilir. Doğal dil ve bilgi haritasının birleşimi, yazmadan önce, yazı sırasında ve sonrasında yaratıcıların birçok sorununu çözer. Şu anda, bu çalışma Baidu Brain'in (ai.baidu.com) bilgi haritası alanında açılmıştır. Aşağıdaki şekil, son altı yıldaki teknolojik yağışımızın bir özetidir:
Baidu Bilgi Grafiğinin Teknik İlerlemesi
Paylaştığım ikinci bölüm, Baidu Bilgi Grafiğinin teknolojik ilerlemesidir. Bu bölümün içeriği daha tekniktir ve birkaç teknik konuyu parçalara ayırmak için büyük ölçekli, çeşitli ve heterojen bir bilgi grafiğinin nasıl oluşturulacağını hedefleyecektir.
Birden çok heterojen bilgi grafiği
İlk teknoloji Konusu, son iki yılda çözmeye odaklandığımız bir sorundur - çoklu heterojen haritaların yapımı. Çözdüğü temel sorun, açık, devasa bir İnternet ortamında yüz milyarlarca gerçek ve ilişkinin bilgi grafiğinin nasıl oluşturulacağıdır; bilgi grafiğinde yer alan tüm içeriğin basit bir DPT üçlüsü olup olmadığı, ihtiyacımız var mı? Bilgi grafiği verilerimize daha karmaşık bilgiler ekleyin; multimedya bilgisini ve endüstri bilgisini nasıl anlarız ve inşa ederiz vb.
İlk olarak, büyük ölçekli bir bilgi grafiği oluşturmak için devasa verileri açmanın teknoloji Konusu hakkında konuşalım. Büyük veri çağında, bilgi grafiği teknolojisinin üstesinden gelmesi gereken veri büyüklüğü, on milyarlarca ve yüz milyarlarca veri çok yaygındır Açık alanın bize getirdiği en büyük zorluk nedir? Bunun nedeni, veri yapısının karmaşık olması, bilgi ifadesinin çeşitlendirilmesi, grafik ilişkisinin de çok karmaşık olması ve hesaplama performans gereksinimlerinin yüksek olmasıdır. Açık İnternet ile yüz yüze geldiğimizde, aşağıdaki seviyeleri içeren aktif öğrenmeye dayalı büyük ölçekli bir bilgi grafiği oluşturma teknolojisi geliştirdik: birincisi, etiketlenmemiş ve açık bilgi madenciliği sorununu çözmek için uzak denetimli öğrenmeye dayalı açık bilgi çıkarma; ikincisi Konu, nitelik kümelemesine dayalı yarı otomatik ontoloji inşasıdır.Genel bilgi grafiğinin birçok kategoriyi kapsadığını bildiğimiz için, tüm nesnel dünya bilgi grafiğinin ontolojisini ve niteliklerini ve ilişkilerini yukarıdan aşağıya uzman bir şekilde tanımlamak zordur. Sistem, genel ve büyük veriler üzerinde ontoloji oluşturma işini tamamlamak için veri odaklı bir yaklaşım kullanmalıdır; üçüncü seviye, çeşitli verileri entegre etmek ve entegre etmektir.
Yukarıdaki teknolojiye dayanarak, Baidu Genel Bilgi Grafiğinin veri ölçeği birkaç büyüklük sırasına göre genişletildi ve arama senaryolarındaki bilgi grafiğinin kapsamı ve yapım verimliliği önemli ölçüde iyileştirildi. Anahtar teknolojiler arasında açık bilgi madenciliği, aşağıdan yukarıya açık ontoloji inşası ve çok kaynaklı verilere dayalı bilgi entegrasyonu bulunur. Spesifik içerik aşağıdaki şekilde gösterilmektedir:
DPT üçlülerinin bilgi grafiği temsili, bir dizi karmaşık durum, uzay, koşullar, olasılık ve zamanlama bilgisini iyi bir şekilde tanımlayamaz. Daha güçlü anlamsal ifade yeteneklerine sahip bazı bilgi grafikleri geliştirmemiz gerekiyor. Önemli görevlerden biri olay haritasıdır. Olay haritası daha güçlü ifade yeteneğine sahiptir ve nesnel dünyayı modelleyebilir.
Yukarıdaki şekil, tarihsel alandaki bir olay haritası örneğini göstermektedir. En soldaki resim, olay haritasının bilgiyi ifade etme konusunda daha güçlü bir yeteneğe sahip olduğunu gösteriyor. Aynı Çin resmi için, bilgisiz veya zayıf bilgi olmadan, resimde bulunan içeriğin şarap ve ağaçlarla birlikte üç kişi olduğunu fark edebiliriz Bu, OCR ve görüntü tanıma için zaten iyidir. Sonuçlar çıktı. Varlık bilgisi, yani genel bilgi haritası ile bu resme dair anlayışımız derinleşecek.Burada tarif edilen üç kişinin Liu Bei, Guan Yu ve Zhang Fei olduğunu bilebiliriz, içinde şarap ve şeftali var. ağaç. Olayların bilgi haritasıyla, bunun geç Doğu Han Hanedanlığı döneminde Taoyuan'da Liu, Guan ve Zhang arasındaki üç evliliğin hikayesini anlattığını bilebiliriz. Olay haritası, nesnel dünyada meydana gelen olayları sürekli ve hızlı bir şekilde alır ve olayların niteliklerini araştırır, olayların uzay ve zaman enlemindeki ilişkisini kurar ve ardından temel birim olarak olaylarla bir bilgi ağı oluşturur. Aynı zamanda, olay haritası, genel DPT üçlü haritası olan varlık haritası ile herhangi bir anda bir eşleme oluşturabilir ve olay haritası ile varlık haritası birbirinden çıkarılabilir. Olay haritasının daha güçlü bilgi ifade yeteneğine sahip olduğuna ve nesnel dünyayı daha iyi modelleyebileceğine inanıyoruz.
Yukarıdaki resim, Baidu'nun etkinlik bilgi haritasının teknik panoramasıdır.Baidu'nun aramasına, tavsiyesine, diyaloğuna hizmet etmek için büyük İnternet verilerinden sıcak olayları çıkarıyor, etkinlik bilgi haritaları oluşturuyor ve olay haritalarının biliş ve hesaplama teknolojisini kullanıyoruz. Akıllı makine yazma ve kamuoyu izleme gibi ürün hatları. Şimdiye kadar, olayların ortaya çıkmasından keşfine kadar, Baidu arama sahnesinde dakika düzeyinde algıya ulaşabiliyoruz ve genel olay kütüphanesi on milyonlara ulaştı.
Spesifik uygulama durumu aşağıdaki şekilde gösterilmektedir:
Etkinliğin bilgi grafiğinin temsili ve inşası hakkında konuştuktan sonra, başka bir bilgi grafiği-multimedya bilgi grafiğinin yapımına geçeceğiz. Multimedya bilgi grafiği, dikkatimizi çektiğimiz ve gelecekte odaklanacağımız bir yön. Şu anda video temelde hayatımızın tüm yönlerini kapsıyor ve arama ve bilgi akışının video trendi giderek daha belirgin hale geliyor.
Bu teknoloji Konusunda, bilgi grafiklerine dayalı bir video içerik analizi oluşturduk, bu temelde geleneksel video anlambilim anlayışındaki arka plan bilgisi eksikliği sorununu çözüyor ve videoları daha iyi anlamamıza yardımcı oluyor. Bilgi grafiğine dayalı bir video anlamsal anlama teknolojisi oluşturduk ve videonun anlamsal anlamasının etkisini iyileştirmek için bilgi grafiğinin zengin ve kapsamlı arka plan bilgisinden tam olarak yararlanıyoruz. Bu teknoloji, bilgi grafiğinin alt grafik ilişkilendirmesi ile birlikte vizyon, konuşma ve metin çoklu modunun birleşimi yoluyla videonun arkasındaki bilgi bilgisini derinlemesine anlamak içindir.
Yukarıdaki şeklin sol tarafı, alt çok modlu analiz de dahil olmak üzere bu yöndeki teknoloji yığınımızın bir görünümüdür. Bu çok modlu analiz, Baidunun çok modlu analiz departmanına dayanmaktadır. Çok modlu sonuçlar analiz edildi. Bilgiye dayalı oluşturduk Grafiklerin anlamsal olarak anlaşılması için temel teknolojiler arasında video içerik modelleri, çapraz medya üretimi, bilgi analizi, alt grafik ilişkilendirmesi, video alt grafik ilişkilendirmesi ve akıl yürütme hesaplamaları yer alır.
Burada bir video soru ve cevabından bahsedilmektedir. Bu çalışma, 2019 yılında ACL'de yayınlanan bir sonuçtur. Adı "Görsel Soru Cevaplama için Nesne Seviyesinde Topraklama ile Çok Parçalı Dikkat" dir. Resimlerin ve cümlelerin ayrıntı düzeyine dayanan modal dikkat mekanizması, varlık boyutlarının anlaşılmasına daha fazla dikkat etmemize yardımcı olmak için daha ayrıntılı varlık düzeyinde bilgiler sunar.
Son yıllarda, gittikçe daha fazla şirket, endüstri bilgisini hızlandırmak ve endüstri bilgisinin uygulama düzeyini iyileştirmek için bilgi grafiklerini kullanmak gibi temel bir çekiciliğe sahip. Bunu 2017'den beri yapıyoruz ve bunu finans, hukuk, tıbbi bakım, enerji vb. Alanlarda uyguladık ve yıllarca biriktirdiğimiz bilgi grafiği serisinin çekirdek teknolojilerini yavaş yavaş sektöre taşıdık.
Baidu Bilgi Grafiği Endüstrisi Uygulaması
Daha sonra, Baidu Bilgi Grafiğinin endüstri uygulaması olan üçüncü bölümün ana içeriğini detaylandırıyoruz. Bu bölümde, Baidu Bilgi Grafiği'nin endüstri güçlendirme konusundaki bazı uygulamalarını paylaşacağız. Bilgi grafiğinin endüstriye nasıl entegre edileceği son yıllarda herkesin yakından ilgilendiği bir konu, sektör bilişimden zekaya geçişi gerçekleştirdi.
Büyük verilerin bilgi dönüşümü birçok sektörün karşı karşıya olduğu acil bir sorundur. Birkaç özelliği göstermek için burada bazı rakamları listeledim: 1. Sektör verilerinin hacmi çok büyük; 2. Endüstri bilgisi talebi kapsamlıdır; 3. Sektör bilgisinin dönüşümü zordur. Yetkili bir analiz raporuna göre 2020 yılına kadar tüm sektörümüzde biriken veri hacmi 2015'te 5ZB'den 2020'de 44ZB'ye yükselecek. Hukuk sektörü gibi sektöre özgü olarak, her yıl 400 milyon dosya üretiliyor ve tıp sektörünün yıllık veri büyüme oranı% 48'e ulaştı, bu da şu anda bir veri patlaması çağındayız demektir. Sektördeki akıllı uygulamaların seviyesini daha iyi iyileştirmek için bu verilerin nasıl kullanılacağı, düşündüğümüz bir sorudur.
İkinci özellik, endüstrinin çok geniş bir bilgi talebine sahip olmasıdır. Çinin ulusal ekonomisindeki sektörlerin sınıflandırmasına göre, sektörleri müşteri hizmetleri sektörünün temsilcisi olduğu 14 bilgi-yoğun hizmet sektörüne ayırıyoruz. Şu anda Çin'de kişi başına yıllık 60.000 işçilik maliyetiyle 5 milyon tam zamanlı müşteri hizmetleri personeli bulunmaktadır. Hesaplandığında, bu 300 milyar yuan işgücü maliyetidir.
Üçüncü özellik, veriyi bilgiye dönüştürmenin çok zor olmasıdır. 2020'de, halihazırda 44 ZB veriye sahibiz, ancak bu verilerin fiili kullanım oranı yalnızca% 0,4'tür. Bilişimde ön planda olan finans sektörünü örnek olarak ele alalım.Verilerimizin% 80'i, tam olarak kullanılmamış ve kullanılmamış yapılandırılmamış verilerde yer almaktadır. Bir bilgi grafiğini manuel olarak oluşturmanın maliyeti çok yüksektir.Örnek olarak, Freebase'i ele alırsak, toplam ölçek maliyeti 6,5 milyardır. Bu 6,5 milyarı Freebase'de bulunan bilgi öğelerinin sayısına bölerseniz, temelde her bilgi parçası 2,25 ABD dolarıdır. Bu nedenle, bilgi grafiklerinin endüstriyel uygulaması hem Baidu'nun hem de endüstrinin odak noktası olacaktır.
İşte son iki yılda özetlediğimiz genel bilgi haritası teknolojisi ile endüstri bilgi haritası teknolojisi arasındaki farkların bir listesi.Ayrıca, endüstri bilgi haritalarının oluşturulması ve uygulanması için teknik bir sistem kurmuş olmamız da bu farklılıklara dayanmaktadır. Spesifik olarak, endüstri bilgi grafiklerinin ve genel bilgi grafiklerinin aşağıdaki dört boyutta çok farklı olduğuna inanıyoruz: Bu dört boyut aynı zamanda temsil, inşaat, hizmet ve uygulamalara kadar bilgi grafiklerinin dört tam döngü boyutudur.
Yukarıdaki şekil, bilgi grafiği zekamızın tüm sürecinin kısa bir görünümüdür.Bilgi modellemeden bilgi oluşturmaya, bilgi hesaplama ve bilgi uygulamasına kadar, her bağlantıda kendi endişelerimiz var. Örneğin, bilgi modelleme düzeyinde, bilgi modellerinin dinamik genişlemesine, endüstrideki karmaşık bilginin ifadesine, endüstri ve endüstri standartlarının uyumluluğuna ve açıklığına ve görsel işbirliğine dayalı modellemeye odaklanacağız ve genel bilgi modellerini endüstri bilgi grafiğine ekleyip inşa edeceğiz. İfade süreci.
Ardından, birkaç önemli teknik sorunu derinlemesine açıklayacağız.
Her şeyden önce, ilk sorun, endüstri bilgi grafiğini oluştururken karşılaştığımız en büyük zorluk - bilginin anlaşılmasının soğuk başlangıcı sorunu. Baidu'nun dahili bilgi grafiğinin inşasında ve algoritmaların anlaşılmasında, çok sayıda İnternet topluluğumuz var ve kullanıcı tıklama katkılarına dayanan büyük ek açıklamalarımız var.Bu bilgiler, algoritmayı genel alanda daha iyi bir etkiye itmemize yardımcı oluyor. Sektörde genel ek açıklama verileri eksik olacak ve uzman ek açıklamasının işçilik maliyeti çok yüksek.Yukarıdaki sorunları çözmek için, endüstri korpusu soğuk başlatma problemini çözmek için endüstri uygulama sürecinde bir paradigma izliyoruz. Yukarıdaki şekil, bu paradigmanın genel akışını göstermektedir.
Aşağıdaki şekil, bilgi modelleme, çıkarma, temizleme, belirsizliği giderme, kenar oluşturma ve korelasyon dahil olmak üzere endüstri bilgi haritası oluşturma sürecimizin tüm sürecini göstermektedir.Şu anda odaklandığımız üç endüstri vardır: hukuki bilgi haritası ve tıbbi bilgi haritası Ve finansal bilgi grafiği.
Hesaplamalı madenciliğin ve muhakemenin şu anda endüstrinin bilgi grafikleri talebinin çok büyük olduğu bir nokta olduğunu ve basit soru cevap gibi bir dizi sığ uygulamanın ötesine geçen bir nokta olduğunu söyledim. Örneğin finans sektöründe büyük miktarda işlem verisine ve yatırım verisine sahibiz.Bu verilerden değerli bilgileri çıkarabilir ve dolandırıcılıkla mücadele, risk kontrolü ve akıllı pazarlama alanlarında uygulayabiliriz. Bu uygulamalar, grafik temsiline dayalı hesaplamalı analiz motoru-grafik veritabanına dayanacaktır. Baidu BGraph, bağımsız fikri mülkiyet haklarına sahip büyük ölçekli, yüksek performanslı bir yerel grafik veritabanıdır.
Son olarak, bilgi grafiği sorusu ve cevabı hakkında konuşuyoruz. Bilgi grafiği soru ve cevabı, endüstrinin bilgi grafiği sorusu ve cevabı talebini karşılamak için sektördeki üç teknolojiye bölünmüştür. İlk bölüm, bilgi grafiğinin yapılandırılmış verilerine dayanan bir soru cevap teknolojisi olan KBQA'dır.Sektör bilgi grafiğinin sorusunu ve cevabını çözmek için temel olarak iki anlamsal çözümleme tekniği kullanır. İkinci kısım, okuduğunu anlama QA olan IRQA, üçüncü kısım ise bilgiye dayalı akıl yürütme ve hesaplamalı QA'dır. Bu üç tür QA sayesinde, endüstri bilgi tabanı ve endüstri akıllı müşteri hizmetleri gibi birden fazla senaryoda çok iyi QA sonuçları elde ettik.
sonuç olarak
Sektöre yönelik mevcut endüstri bilgi haritası entegrasyon hizmetimiz en düşük çevrimdışı mimariyi, erişim mimarisini (grafik veritabanı) ve zengin üst katman uygulama teknolojisini içerir.Bunu bir endüstri bilgi haritası platformuna (ai.baidu) dahil ediyoruz. Com'da özel bir alan var), bu girişten bizimle iletişime geçebilirsiniz. Uygulama düzeyinde, şu anda üç standartlaştırılmış ürünümüz var, biri grafik veritabanı, biri akıllı müşteri hizmetleri ve diğeri de bilgi grafiğine dayalı akıllı bir bilgi tabanı. Derin endüstri yetiştiriciliği düzeyinde, esas olarak tıp, finans, hukuk ve enerji endüstrilerindedir.Şimdi bazı büyük ölçekli uygulamalarımız var ve hala uygulama kapsamını genişletiyoruz.
Bilgi grafikleri her zaman sıcak bir yapay zeka alanı olmuştur. 2020'de zilin çalmasıyla birlikte bilgi grafikleri yavaş yavaş ikinci yarıya girmiştir.Karmaşık uygulama senaryoları, derinlemesine bilgi uygulamaları ve yoğun uzman bilgisinin tümü bilgi grafikleri getirmiştir. Ufak bir zorluk yok, peki bu savaşta barut olmadan nasıl öne geçersiniz? AICon2020 Shanghai'nin size iyi bir temel sağlayacağına inanıyorum.AICon bu sefer bilgi grafiklerinin en son teknolojik ilerlemesine odaklanacak ve büyük imalatçılardan öğretim görevlilerini geçtikleri çukurları ve öğrendikleri dersleri paylaşmaya davet edecek.
Misafir tanıtımı:
Zhejiang Üniversitesi'nden yüksek lisans derecesi ile mezun olan Song Xunchao, Baidu Bilgi Grafiği Bölümü'nün araştırma ve geliştirme mimarıdır. Baidu bilgi grafiği tasarımı, yapımı ve uygulamasının genel sürecine katıldı ve bilgi grafiğinde zengin pratik deneyime sahip. Şu anda, temel olarak genel bilgi grafiği, anlamsal anlama, grafik mimarisi ve diğer teknolojilerin oluşturulmasından sorumludur.Aynı zamanda Baidu endüstrisi bilgi grafiği ile ilgili çalışmalardan da sorumludur. Araştırma ve geliştirme sonuçları Baidu arama, bilgi akışı, DuerOS, Baidu Cloud ve diğer birçok üründe yaygın olarak kullanılmaktadır.
