
图算法及其应用场景

图技术全景图——Graph Technology Landscape 2020

海致数据智能产品体系

海致数据智能产品体系

知识图谱平台总体架构
Atlas知识图谱平台-功能架构设计

知识构建-一站式数据接入与构图
知识挖掘推理-图模型场景搭建
内置丰富的场景模板与图挖掘算法;支持拖拉拽方式快速构建挖掘工作量;支持自定义算法与任务调度。

知识探索分析-在线图谱查询与探索性分析
支持图+算法 图+BI 图+时间 图+空间 图+业务

知识服务-灵活多样的服务对接方式
支持可变参数的Restful API及URL服务;支持各APP端页面嵌入及手机端操作;支持各类PC端浏览器适配。

知识应用-多元化知识应用,赋能智能化决策
支持知识全文模糊检索;知识卡片的信息展现形式;支持知识资产数据统计与管理;面向场景的业务应用。

图和流的结合
流式和图的结合,我们实现了两种模式。1. 基于流式计算,计算结果入图,图谱的构建可以实时化。2. 流式计算过程中进行图的查询和更新动作,让图的应用实时化。

流批图一体计算

流式图计算引擎和实时预警

海致图算法

海致数据智能产品体系

Metis知识工程产品体系-NLP知识抽取平台

Metis知识工程产品体系-知识平台

Metis知识工程产品体系-智能问答

海致数据智能产品体系

AtlasGraph图数据库
基于知识图谱的新一代知识库
基于知识图谱的新一代知识库
以NLP与知识图谱技术为核心的新一代知识库,将非结构化文档中的知识点进行结构化处理,挖掘知识之间的关联关系,激活沉睡知识
NLP三元组标注/识别示例

基于知识图谱的复杂工程研发智能认知

工程研发知识图谱基本架构示例
基于知识图谱的智能检修及故障分析
设备(产品)故障维修是制造行业最重要的场景,其维修的质量和效率直接影响企业的整体运行。因而,加强维修管理成为制造业企业管理不可缺少的一个重要环节。
落地场景:某国营维修厂智能故障检修知识图谱 面临痛点
落地场景:某国营维修厂智能故障检修知识图谱

步骤一:明确需求
步骤二:构建本体并且与故障树关联

步骤三:知识构建
步骤四:数据接入

步骤四:数据接入
非结构化文档通过NLP平台实体、关系、属性手工标注,进行抽取规则配置、机器学习算法调优、信息抽取、词法分析、篇章分析、语义相似度、系统\部件识别等

步骤五:知识推理

步骤六:知识应用
知识应用:面向人员:一线维修人员、维修技术专家、数据分析专家三大类用户及管理类用户。

图检索示例




