简介

近年来深度学习异常火热，并在语音识别、图像识别、机器翻译等诸多感知智能领域取得了显著效果，但深度学习也存在对大量标注样本数据的依赖、需要大量计算资源、缺少可解释性、无法进行有效推理等问题。语言文字是人类智慧文明的载体，对语言的理解需要更高层面的认知智能。知识图谱以人类和机器皆可理解的实体、属性、关系的三元组为基本结构，以实体和概念为节点，关系为边构建一个巨大的语义网络，以此为基础进行推理计算，有助实现能推理、可解释的感知智能。本次分享首先介绍感知智能和认知智能的关系，阐述如何基于知识图谱实现认知智能，结合达观数据经验说明分享知识图谱的构建心得，最后分享达观数据文本智能处理的若干应用实践。

目标

对语言文字的处理和理解是各行各业的日常重要活动，通过知识图谱等人工智能技术实现对大量文本的自动化抽取、分类、匹配、审核、比对、纠错、生成等各种智能处理可以极大提升行业执行效率同时显著降低人员成本。

成功要点

文本智能处理的核心是自然语言理解，NLP和深度学习算法是构建知识图谱的基础技术，知识图谱+NLP可以实现自然语言理解。

启示

达观数据基于深度学习和知识图谱实现的文本智能处理系统包括垂直搜索引擎、智能推荐引擎、文本挖掘引擎，可以实现对长文本内容的匹配、分类、抽取、审核、比对、纠错、生成等各种智能处理，从而极大提升行业执行效率同时显著降低人员成本。

受众人群

知识图谱学习者，对知识图谱在行业应用感兴趣的技术人员。

各行业应用中想引入知识图谱相关技术的知识及数据管理人员，尤其是有行业知识库构建及上层问答搜索等需求的。

希望了解知识图谱如何在行业中应用的管理决策者。

课程时长

1天（6H）

分享提纲