资源描述
张桐国双航 旅事业 部总经理国双公司为“国双”商标及产品、服务（包括但不限于在本演示文稿中提及的产品、服务）的合法所有权人和知识产权权利人。国 双公司未授权他人单独享有或与国双公司共同享有上述所有权及（或）知识产权的权利。任何 人不得擅自使用或侵犯“国双”商标及（或）国双公司产品、服务的合法权利。旅客出行的消费 意图Source: Building a Knowledge Graph for the Air Traffic Management Community, NASA Ames Research Center搜索引擎 智能客服 空中流量管理以 下 为 样例数据，整体 ATM知识图谱中包含 10万个航班，其中 3.8万航班 1个月内在 JFK起飞或降落，同时期 59个航班的航班编号为 N589UA知识图谱在我们身边的应用传统知识图谱是否可以回答所有问题+传统知识图谱和事理图谱的结合使用传统知识图谱（实体图谱） 事理图谱描述对象回答问题确定性状态精准度关系实体及其属性 关系When Who What Where事实是确定的相对 静止 变化缓慢精确度要求高上下位事件及其内外联系Why/How逻辑不确定有转移概率动态的有一定的容错性因果 条件 反转顺 承 组成 并发+与现有解决方案的差异知识图谱对于数据应用的价值就在于让机器具备了认知能力无法真正从人类的角度理解我们的 世界不能 创造新的知识擅于学习和识别过去曾有过的重复模式并基于此对类似的情况进行预测机器学习 /深度学习有能力对当前情况、他人或者自身进行复杂的抽象和认知有能力进行想象，推理，抽象，假设有能力举一反三，对未来有预见性，可以做长期规划人类智能1950s 1960s 1970s 1980s 1990s 2000s 2010s 2020sDEEP LEARNINGDeep learning breakthroughsdrive AI boomARTIFICIALINTELLIGENCEEarly artificial intelligencestirs excitementMACHINELEARNINGMachine learning beginsto flourishRefine,Alter,Expand,or RejectHypothesesDevelop Testable PredictionsIf my hupotesis is correct,then I expect a,b,c.Formulate HypothesesWhat are the general causes of the phenomenon I am wondering about?Gather Data to Test PredictionsRelevant data can come from the literature new observations,or formal expriments .Thorough testing requires replication to verify results.Develop General TheoriesGeneral theories must be consistent with most or all available data and with other current theories.Make ObservationsWhat do I see in nature? This can be from ones own experiences thoughts,or reading. Think of Interesting QuestionsWhy does that pattern occur?The Scientific Method as an Ongoing ProcessSource： Garland, Jr., Theodore. The Scientific Method as an Ongoing Process. U C Riverside基于知识体系的数据智能内部交互 公开航班 数据、旅客数据、运价数据、销售数据、机务数据、 GDS数据 曝光 、点击、线上 行为 线 下行为 、事件 点击、页面访问、效果转化 社交数据、线上行为、线下行为、购物行为、位置数据 融入航司、酒店、旅游、用户、营销、运营领域专家级知识库行业 专家无处不在融入众多数据算法和模型，辅助专家的判断和决策为行业专家赋能数据逐步丰富，算法和模型也在不断的迭代进化不间断服务和优化基于知识体系的数据智能算法模型行业专家数据科学家数据应用趋势预测智能判断自动 化生成 故障预警原因 探查智能 问答智能 推荐产品设计流程 优化自动 营销 数据机 器 感 知 机 器 认 知语音 图片视频 手势结构化自然语言处理数据治理知识 图谱机器学习- 已采集数据 - 需采集 数据 -外部数据交互数据内部数据- 可采集数据 -结构化为主 非结构化为主 非结构化为主线上自营渠道事件点击设备信息曝光 /点击 /转化航班计划 运价管理 会员管理机组排班 运行控制 呼叫中心GDS 机务维修 文档 /评论 /攻略航司可利用的内外部数据知识图谱的构建过程自底向上提取实体 事件 属性 关系等自顶向下专家标注 +机器学习知识图谱知识生成和更新机器学习状态转移及意图识别知识推理 知识验证数据标注 数据处理其他行业的客户实践 （工业）某油田 ，油井 周采油量 提升 4.6%利用知识 图谱 /事理图谱、机器学习技术，完善 油气勘探及油气藏知识分类体系，按照盆地、区带、断块、圈闭、油藏等地质实体对象，对油气成藏关键知识进行统一抽取和高效管理，构建知识图谱和油气藏预测分析模型， 实现 油气成藏主控因素分析、有利成藏区带自动优选及目标排序等，提升勘探开发决策水平。其他行业的客户实践 （金融）风险评估与反欺诈建立客户风险特征信息库，优化风险模型和规则风险 预测行业 或企业发生高风险 事件时 ，及时预测未来的潜在 风险 ，从而可对相关行业的风险做出预判，并规避 风险精准营销形成对用户或用户群体的 完整知识 体系描述，挖掘已有客户的 潜在需求 ， 针对性 地推送相关 产品为 客户提供营销服务智能搜索从 海量资讯中为投资者和投资 服务者 甄选高质量内容，实现 内容到 用户的个性化精准 分发提升投顾服务能力
展开阅读全文