工业互联网供应链知识图谱应用:软通动力以智核为基础为工业制造创新赋能

长期以来,受工业制造细分领域众多因素影响,工业品行业一直存在着数字化难度大、供应链上下游信息无法及时对称的现象。工业互联网的出现,使得工业部门的供应链、产业链、价值链重塑成为可能,对于优化工业资源的配置,提升全要素生产率,降低全要素成本具有重要意义。面对日新月异的市场环境,越来越多的企业把发展焦点放在供应链创新上,对供应链创新的关注越来越高。人工智能技术的迅猛发展开启了智慧供应链的大门,推动了供应链的数据化、信息化、智能化。

软通动力工业互联网应用链知识图谱就是在此背景下应运而生,系统基于软通智核平台(AI Powerforce)所打造,可利用自然语言处理、知识图谱构建等技术为工业客户搭建一个可以有效表达、管理和分析的工业知识体系,并为不同个性化工业场景提供精准知识服务,且对认识、管理、优化、控制和改进各种工业互联网内的采购流程起到重要作用。

软通智核方便企业构建智能应用

软通智核是软通动力从2013年就开始研发的面向自然语言处理的人工智能技术平台,经过若干年的研发,初步形成了NLP引擎、知识图谱管理平台、知识图谱构建工具等三大核心功能模块,内含多个可单独对外提供的AI服务。

(软通智核平台系统架构图)  

目前,软通智核平台是一个部署在云上使用的面向自然语言处理的AI技术平台,已获得NLP、深度问答、智能对话、智能推理、深度学习、知识图谱自动构建、大数据管理等20多项人工智能技术的专利和软件著作权。且平台部署互联网上,已为众多客户提供了智能化服务。

知识图谱为行业提供智能创新驱动

知识图谱的能力应用可以体现在知识图谱的多源数据处理和知识推理分析方面的能力,推动了AI既有产品的升级或提供更有效的解决方案,同时也催生出许多新的商业应用场景。通过知识图谱可为企业提供包括数据治理、搜索、问答、推荐等多种应用场景的精准服务,为企业智能创新提供高效驱动。

数据治理:从业务场景出发,将业务、流程、指标中的知识构建成知识图谱,应用知识图谱将业务场景与数据关联起来,让机器知道什么业务场景需要什么数据,这些数据必须达到标准和质量,进而帮助数据治理,通过数据治理所形成的业务发现沉淀到知识图谱里,在数字化转型中释放价值。

搜索:基于知识图谱的智能搜索可以就文本、图片、视频等多元对象进行跨媒体搜索,而且智能搜索能更准确地识别和理解用户深层的搜索意图和需求,在知识图谱中查找出目标实体及其相关内容,对搜索结果进行排序和分类,从而提高搜索体验。

问答:基于知识图谱的智能问答能理解多样问法具有较高的准确率及召回率,能实现上下文会话的识别与推理,可以更加灵活实现人机对话,从而提高问答过程的舒适度及接受度。

推荐:基于知识图谱的智能推荐则通过获得用户和物品的精确画像,从而实现准确的匹配和有针对性的推荐,实现场景化的智能推荐。

(知识图谱管理平台系统架构)  

工业互联网供应链知识图谱应用为工业制造创新赋能

作为国内领先的软件与信息技术服务商,致力于用数字技术不断为客户提升价值,软通动力在人工智能领域早有布局,并成立了专注于AI领域的人工智能创新与研究中心(AIC),中心围绕自然语言理解、知识图谱、多轮对话、智能问答、智能推理、自学习、数据分析等前沿技术的核心技术和算法展开应用研究与产业化开发,为公司的AI服务体系提供了重要技术支撑和专业保障。

软通动力工业互联网供应链知识图谱主要围绕着工业产品供应链的知识图谱各应用的场景而开发,除了能够在展示知识图谱管理平台的基本管理工具,还从多个角度展示了工业产品供应链环节的知识图谱应用方式和结果。系统从实体展示、三元组展示、实例及对象关系列表信息、统计信息展示、新增及编辑信息等模块来构建软通工业互联网供应链知识图谱也展现软通动力构建知识图谱的创新能力。

值得一提的,面对工业产品供应链的产品部件与供应商关系、生产阶段与部件关系、产品及部件的购销合同、产品运输物流信息等复杂及不清楚的信息等痛点,软通动力工业互联网供应链知识图谱通过知识问答查询、统计分析以及预测决策等3大图谱应用可以有效为工业产品供应链提供高效精准知识服务,通过图谱可视化便捷认知实体之间的逻辑关系,对实体进行多属性智能关联,快速为企业提供高价值信息,为企业决策和高效服务赋能。

近两年,知识图谱技术应用得到快速发展,不仅在工业领域,各个行业新应用场景都不断出现,这必将会带来新一轮的工业革命创新以及AI应用的智能水平和应用效能的革命性提升。未来,软通动力人工智能研究与创新中心仍将致力于将各种新兴和前沿技术应用于人工智能领域,并结合千行百业客户的实际需求,深挖痛点,赋能创新,不断为客户打造稳定、创新、全面的人工智能服务体系。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,884评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,347评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,435评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,509评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,611评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,837评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,987评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,730评论 0 267
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,194评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,525评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,664评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,334评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,944评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,764评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,997评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,389评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,554评论 2 349

推荐阅读更多精彩内容