知识图谱开放平台datag，由阿里云dataGraph团队与藏经阁团队联合打造，面向知识图谱开发者、使用者和生态应用开发者，提供了一款全流程、轻量化构建和运营知识图谱的综合系统，具备高效开发、灵活部署、模式开放的特点，让业务决策、商品或内容推荐、搜索问答、风险防范等业务场景更加智能和高效。
知识建模
提供简单易上手的知识图谱本体建模工具，构建知识图谱本体结构，包括实体、关系以及属性的构建。
知识推理
提供基于自然语言语法规则的图推理规则编辑引擎，满足多种场景的条件规则推理及推荐场景。
知识抽取
支持结构化数据、非结构化文档的知识抽取，非结构化文档标注及算法训练工具，界面友好，标注效率高，支持实体关系抽取。
知识探查
提供基于知识图谱的可视化智能探查分析服务，方便分析人员快速直观的挖掘事务之间的关联关系。
知识建模
提供简单易上手的知识图谱本体建模工具，构建知识图谱本体结构，包括实体、关系以及属性的构建。
知识推理
提供基于自然语言语法规则的图推理规则编辑引擎，满足多种场景的条件规则推理及推荐场景。
知识抽取
支持结构化数据、非结构化文档的知识抽取，非结构化文档标注及算法训练工具，界面友好，标注效率高，支持实体关系抽取。
知识探查
提供基于知识图谱的可视化智能探查分析服务，方便分析人员快速直观的挖掘事务之间的关联关系。
应用场景
智能搜索
传统搜索是基于关键词索引，内容不精准，缺乏关联性。通过引入知识图谱，实现对结构化数据以及非结构化数据的知识图谱化，实现对查询内容的精准化、关联化搜索。
智能推荐
商家新建的电商平台，缺乏用户行为数据，传统的推荐算法很难发挥作用。基于知识图谱的推荐，利用知识推理引擎构建推理、推荐规则，实现对“人、货、场景”的关联推荐。此外，提供知识图谱embeding的推荐算法，及时发现同款商品。
辅助决策
传统的专家系统，需要专家与开发人员共同参与，将专家经验代码化，专家经验更新周期长，成本大，经验之间缺乏关联。基于知识图谱的辅助决策系统，基于AI能力持续学习专家经验，构建专家经验知识图谱，让经验知识变“活”，辅助决策系统越用越“聪明”。
智能问答
传统的问答机器人，能够实现短句式的多轮问答，但面向复杂问句，尤其是问句中包含的查询条件具备关联性，条件较多时，甚至带有隐含知识，比如询问“最近一周从北京飞往杭州的航班有多少趟”，又比如“张三的母亲的哥哥叫什么名字”，诸如这种情况，传统问答机器人解析过程会比较麻烦，而知识图谱能够很好的解决这类关联问答问题。
构建商品知识图谱，基于知识图谱embeding及知识推理引擎技术，为电商平台提供直接有效的商品推荐服务，精准触达客户。
构建民航机场地服知识图谱，为旅客提供快捷易用的机场客服问答服务，如机场商品导购、机场登机口问询、机场出行问询等。
基于政务信息化系统以及大量文档信息，抽取构建政务领域知识图谱，并基于知识图谱构建智能搜索引擎，一改传统关键词检索方式，为政务人员提供更精准、关联化的搜索体验。
基于海量历史维修报告，抽取维修知识，构建<设备、故障、处置方案>知识图谱，维修人员反馈故障现象，系统辅助推荐故障诊断方案，有效缩短故障检修排查时间。
基于知识图谱分析可疑人员之间的关联关系，挖掘潜在犯罪团伙，进而有效打击违法犯罪行为。