知识图谱开放平台

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。

产品优势
轻量交付
与传统的知识图谱构建及交付方式不同,DataG提供了全流程的构建开发环境,有效降低知识图谱的构建难度、缩短开发周期。
应用开放
DataG面向上层应用开发者,提供了良好的API调用服务,方便上层应用开发者基于构建好的知识图谱做二次开发。
部署灵活
支持阿里公共云、专有云以及脱云部署,为用户提供多种选择。
应用广泛
在电商导购、智能客服、政务搜索、辅助预案、企业信息认证等领域都有着广泛的用途。

核心功能

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。

产品动态

  • 查看详情
  • 查看详情
    查看全部日志>
    产品发布信息详情

    电商导购推荐

    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。

    智能客服问答

    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。

    政务信息搜索

    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。

    辅助预案管理

    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。

    事件探查分析

    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。