介绍
目录
百度知识图谱总体介绍
人工智能技术布局
让机器像人类一样理解，有一定的地理、历史等知识
知识图谱基本结构
行业应用
知识图谱发展历程
技术视图
构建技术
信息抽取技术
信息抽取技术进化
统一的文本到结构化的架构UIE
知识自学习，自顶向下，专业领域人工定义和自底向上，通用领域自动发现
实体归一
多维度应用
知识增强的阅读理解技术
关键技术流程
文本和知识的融合
网络结构
智能问答
交互式
知识推理，一些专业知识的融合
技术融合
知识图谱增强的推荐
应用于多模态
多模态理解
为对话
知识图谱赋能创作
图引擎bgraph
图数据库引擎
对比
全量加载
支持图算法
整合了PGL
技术
数据》信息》知识》智慧
数据爆炸
行业知识图谱和通用知识图谱
表示，构建，服务，应用
知识中台，数据、知识和应用
知识中台的应用
行业应用
电力行业实践
设备标注数字化
生命周期
技术融合
多模态内内容的挖掘
设备知识网络
多维颗粒度、有组织逻辑、有知识广度
对比
通过知识点粒度
支持精准推理的计算
医疗行业
辅助决策
多形态
知识挖掘和自动循证
多模异构关联
推理决策
金融行业实践
事件图谱
论元抽取，分类抽取转换为阅读理解
关系抽取
因果关系抽取
因果关系挖掘
示例，因果句识别，因果序列标注，因果结构识别，因果关系还原
事件推理
归因分析
其他行业案例
总结
趋势与挑战
总结
