火了一年后，知识图谱在哪些场景开始应用？

2012年，Google推出了一款从Metaweb中衍生而来的产品，名字叫做Knowledge Graph（知识图谱），彼时其功能在于，搜索内容时提供附加的衍生结果。

8年间随着人工智能的发展，知识图谱开始应用于更多的场景，关注度不断攀升，成为认知智能领域的核心技术之一。最重要的是，知识图谱逐渐成为人工智能应用的强大助力。

知识图谱，通过节点和关系把所有不同种类的信息（Heterogeneous Information）连接在一起得到一个关系网络，为真实世界的各个场景直观建模，不需要中间转换的处理方式就能够把复杂的自然与社会关系直观地教授给人工智能应用。从而让智能应用，变得更快速、准确。

知识图谱的核心价值在于对多源异构数据和多维复杂关系的处理与可视化展示，让上游大数据和下游AI任务形成有效连接，突破以往基于字符串匹配的浅层语义，更加便利、有效的帮助客户组织领域知识，为流程优化、辅助决策、预测分析等下游应用提供基础服务。

在知识表示层面上，知识图谱跨界引入，对节点和关系做向量化处理，将生活与生产活动中难以用数学模型直接表示的关联属性，利用语义网络和专业领域知识进行组织存储，形成一张以关系为纽带的数据网络，再加以挖掘与分析，将隐藏在行为之下的利益链条和价值链条进行直观图例展示。

知识图谱应用方向与价值意义

知识图谱应用主要表现在三个方向：

1｜搜索推荐

搜索推荐，使获取信息路径更短，助力发现未知知识。

知识图谱在搜索引擎中的应用

相较于传统搜索，知识图谱在搜索中进行了三方面的优化：

一是加大结果准确。面对用户搜索关键词意义的多重性，知识图谱可以展示最全面的信息，提供更多机会命中用户需求；

二是结果包括全面的摘要，相关联结果呈现更详细；

三是更广深搜索，通过知识图谱建立的关系让用户可以通过互动、点击拓展搜索的深度和广度。

2｜智能客服

在这种全新的人机交互形式下，对信息要求有更高的整合度、覆盖度和语义化，知识图谱扮演者“大脑”的角色。

基于知识图谱的问答匹配优点在于，在对话结构和流程的设计中支持实体间的上下文会话识别与推理；在一般型问答中的准确率会相对比较高。

3｜可视化

可视化展示，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱提供了数据的全局视图和更语义化的表达，给从业者带来了大数据驱动的决策能力。

知识图谱本体设计构建

知识图谱可视化展示促使用户能够推断出新的关系，发现潜在的模式或问题，了解图谱结构，理解并纠正或修改链接方式、补全知识等。

知识图谱的重要性不仅在于它是一个庞大系统的知识库，更重要的是它能支撑起智能搜索和直观可视化等智能应用的基础。从这个意义上来看，知识图谱不仅是一项技术或基础应用，更是一笔重要资产。

知识图谱当前应用场景

随着架构和应用的不断完善与深入，知识图谱助力了很多热门的人工智能应用场景，例如语音助手、聊天机器人、智能问答等，覆盖了泛互联网、金融、政务、医疗等众多领域。

近年来知识图谱在电子商务、金融、公安、医疗等行业逐步开始落地，在这些行业的渗透、深入中，知识图谱愈来显现其基础性作用。

1｜金融

知识图谱广泛应用于金融行业，在于其基础设施好、信息化较早且成熟，数据标准化程度高；业务由数据驱动，应用范围较广；市场规模大，金融机构在数据业务的付费意愿高，付费能力强。

知识图谱在金融行业的应用优势

基于知识图谱深度感知、广泛互联孤立数据、高度智能共享分析等优势，客户可扩展现有数字资源的广度和深度，支撑智能应用，建立知识图谱、补全因果链条，解决和打破信息茧房，为智慧金融建设提供了一种可行的方案。

以银行为例，我们可以看到知识图谱在金融全场景中的重要应用价值。

知识图谱在银行场景中的应用

2 | 医疗

基于强大的语义处理与开放互联能力，知识图谱对医学领域而言，能够建立较系统完善的知识库并提供高效检索；面对知识管理、语义检索、商业分析、决策支持等方面需求，医学知识图谱能推进海量数据的智能处理，催生上层智能医学的应用。

知识图谱在医疗领域中的应用优势

当前医疗保健费用、需求的增长与优质医疗资源不足间的问题在不断突出，随着近几年来人工智能的飞速发展，以及精准医疗、智慧医疗的提出，医学知识图谱应用关注度在日益上升，辅助诊疗大有可为。

3 | 公共安全与政务

知识图谱在公共安全及政务领域应用在于处理源源不断的海量数据。引入知识图谱技术将很好的打破了行业的数据孤岛难题，同时在将数据进行连接之后，挖掘出数据背后更多有价值的信息，科技挖掘数据背后的故事。

以公安知识图谱为例，公安知识图谱通过数据采集、处理、数据库重构、知识转化和实战应用，运用分布式存储、关联算法、语义推理等技术，再基于实体的属性联系、时空联系、语义联系、特征联系等建立相互的关系，即可构建一张具有公安特性的多维多层的实体与实体、实体与事件的关系网络，实现公安技术与业务的深度融合。

知识图谱在公共安全领域的应用优势

在公共安全及政务领域，知识图谱已经成为了基础数据服务，为上层智能应用提供基础设施支撑。

4 | 能源与工业

工业知识图谱是基于工业产品研发、生产、运行、保障、营销和企业管理等运行规律建立的关系网络，用于更好地组织、管理和理解工业体系的内部联系，是知识图谱的重点发展方向之一。

就工业领域中构建的知识图谱来看，可以分为两类，一类是已有设备信息、生产信息的数字化知识图谱，诸如将设备维护手册、故障应用案例、一线专家经验数字化，并构建相应的知识图谱；另一类则是将设备信息、设备及数字化系统工作过程信息，甚至整个生产流程部分或全部数字化，并将其中不同垂直领域的数据关联起来，构建相应的知识图谱。

知识图谱在工业领域中的应用优势

5 | 消费商业

随着消费升级，人们对产品的需求消费愈来个性化，服务商需要精准满足用户的个性化消费体验。在电商行业，知识图谱广泛地应用于搜索、前端导购、平台治理、智能问答、品牌商运营等核心、创新业务。知识图谱通过建立联系赋能搜索推荐实现个性化推荐满足用户需求。

云电商场景图谱构建

帮助电商透视全局数据，协助平台治理运营发现问题商品，帮助行业基于确定的信息选品，做人货场匹配提高消费者购物体验等等，电商搭建知识图谱可为新零售、国际化提供可靠的智能引擎。

知识图谱的价值促使其热度在未来将会持续：

第一、在画像、推荐、搜索中通过长期的前期数据和技术的积累，知识图谱逐步完成了业务落地，未来会逐渐传播扩散到传统企业以精准搜索为例的场景。

第二、在智慧金融领域，知识图谱对于风控有天然优势，能快速吸引资本与企业踏入，积累行业垂直的数据与技术应用能力。

第三、在智慧医疗、智慧政务、智慧能源等新兴爆发领域，知识图谱通过知识关联、视觉化展示，能够帮助客户梳理整理业务知识以及提供辅助预判等服务。

知识图谱的四大趋势

中国软件网记者认为，知识图谱将对企业数字化转型起到关键性的作用，知识图谱如今显示出四大趋势：

1｜知识图谱的主流搭建模式有两种

一种是从具体业务痛点出发做搭建，解决业务上的问题，所以不同业务场景往往会选择不同的厂商；另一种则是做系统性考虑，先选择厂商，然后再搭建一个公司级的知识图谱平台，逐渐覆盖至全业务，最终实现不同场景之间的数据关联和打通。

从全局考虑，公司级的知识图谱平台将成为重要的未来发展趋势，但其建设周期较长，在规划阶段工作较复杂是当前的主要问题。

2｜知识图谱的渗透率不断提升

随着技术成熟度的提高以及市场的认可度的增长，知识图谱在市场的渗透率将会越来越高，特别是类似医疗或者能源这类典型的知识密集型行业。

基于知识图谱搭建知识问答平台，可以精准地为用户推送内容，实现有效知识的精准触达。

3｜知识图谱将在金融行业率先开花

金融行业历来对新产品、新技术都以“敢吃螃蟹”而著称，在知识图谱上也不例外。

除了常见的营销、风控以外，金融行业的具体应用在市场监管、智能投研等应用场景也大有可为，目前比较普遍的行业认知是，知识图谱技术几乎可以应用在券商的全部业务上。

4｜知识图谱将在智慧城市的建设起到至关重要的作用

在智慧城市所包含的民生服务、城市治理以及产业经济等领域，知识图谱可以将城市生活方面的数据和城市管理方面的数据进行关联分析和挖掘，并成为搜索、问答、推荐等功能与应用的知识数据支撑。

国内主流知识图谱企业

知识图谱是企业下一代管理数据的一种新的组织方式，能够更高效的连接上游的大数据和下游的AI建模任务。

据不完全统计，我国知识图谱产品或解决方案主流企业约有38家，这些企业大致可以分为两类，一类是大厂，一类是初创企业。在这其中，布局在金融领域的企业约占65%，公共服务与政务领域约占26%，能源与工业领域约占26%，是企业入局最高的三大领域。

知识图谱企业在行业应用中的分布情况

知识图谱企业在金融行业的技术积累及应用都较为成熟，企业发展态势良好。

在公共服务与政务领域中，随着越来多的政策支持，知识图谱应用需求不断增加。以公安为例，据不完全统计，在公安知识图谱领域的8家初创企业中，在产品或解决方案都有一定的积累和成熟度，并专注于公安知识图谱应用。

公安领域中知识图谱企业情况

公安是企业参与量较大的领域。从企业官网公布的数据来看，海致网聚应用范围突出，支持所有公安场景。同时该企业落地实践应用业务面较广，目前已与公安部、上海、南昌、武汉、成都、广州、深圳北京等80多个地市公安机关展开了大数据应用的深度合作。

作为人工智能的基础，互联网厂商在知识图谱中技术积累更为成熟，在行业应用中也具有相当的代表性。

从产品优势上来看，腾讯云、阿里云、华为云较为突出，皆显示出了一站式服务、高效算法、长期积累的特性。

其中在腾讯云独有的物联网场景中，物联网领域的终端设备，例如医疗仪器、运输业车辆 GPS 等，可以轻易且持续的产生 TB 级的数据。知识图谱在物联网数据接入、管理、分析等方面，为客户提供从引擎级产品到行业知识落地的全套解决方案，原生的图计算框架能帮助客户从这些数据中挖掘出其隐含的巨大价值。

阿里云和华为云分别在电力知识图谱应用，油气知识图谱应用中展示出了一定的关注度。

阿里云将电力领域设备说明、操作规程等复杂技术文档，用知识图谱来表示支持操作人员快速进行操作查询、故障诊断、维修指导、业务学习，同时也方便业务文档的管理、迭代、沉淀、传递，是电力领域专业知识管理应用的基石。

华为云基于油气勘探开发过程中会产生多种形式的海量数据，有效聚合这些多源异构数据，助力油气行业实现数字化和智能化转型。基于勘探知识图谱可以提供丰富的油气应用，例如语义搜索、油藏类比、油气知识推荐，支撑油气勘探开发增储上产、降本增效。

不管是新锐公司还是巨头公司，知识图谱领域作为智能应用的支撑性存在，都必然将随着企业上云与数智化的发展而迎来属于自己的契机。