iResearch一图胜万言，一目了然艾瑞中国知识图谱行业研究报告2022.8 iResearchInc. iResearch前言艾瑞研究背景：2020年，艾瑞已经发布了《2020年中国知识图谱行业研究报告》，（2020年面向人工智能“新基建”的知识图谱行业白皮书》，初步对知识谱的概念定义、行业场景、整体市场规模与产业链等进行了梳理与分析，2022年，艾瑞将发布第三篇知识图谱行业报告，深入探讨知识图谱技术在通用知识图谱与行业知识图谱的企业诉求，剖析各行业的核心业务痛点，阐明知识图谱技术与应用对业设重点与未来趋势，希望通过本报告，为读者呈现现阶段知识图谱行业发展的要点，提供务痛点的针对性与价值，对比各行业的知识图谱发展现状与潜力，展现知识图谱技术的建辨析和判断知识图谱行业趋势的方法启发，当然，限于研究周期与行业理解水平，报告仍有不足之处，敬清各界读者指正，研究对象：本报告研究对象分为：①通用知识图谱与行业知识图，包含互联网、金融、政务与公安、医疗、工业与电力5大行业的行业痛点、知识图谱应用场景及价值、市场规模；②知识图谱现阶段的行业热点与建设痛点：③知识图谱的行业参与者类型及业务特点。研究方法：本报告通过业内资深的专家访谈、桌面研究、案例实证研究、行业对比研究、投融资数据统计与行业规模数据推算输出相应研究成果。报告摄写艾瑞咨询产业数字化研究部人工智能研究组 iResearch摘要艾瑞造淘感知到认知的跨越式发展，须引入发展认知技术，知识图谱在此形势下成为了破局的关键技术，数字经济的持续发展将加速知识图谱产业化进度，推动知识图谱与传统产业融合。高性能图计算可为图计算输送更快更准的计算能力，服务于知识图谱运算，算力规模化部署也为行业背景知识图谱计算的高密度、高功耗要求提供了有利发展条件。深度学习技术、NLP技术、知识图谱技术协同并进，尤其是NLP技术近几年的快速发展为知识图谱产业化提供了机会，2021年，知识图谱核心市场规模预计达到107亿元，而到2026年，相应规模将超过296亿元，2021-2026年CAGR=22.5%，金融与公安两大行业的知识图谱占比较高且增长速度较快，其业务与知识图谱可密切结合，同时具备建设意愿与资金投入，因而成为了市场规模的主要行业规模膜拉力，未来，随着政务数字化建设的完善，政务对知识图谱的业务需求会逐渐唤醒，成为未来市场的拉力之一。知识图谱建设需面临的建设难点主要在于数据治理、行业专家储备、底层国数据库存储、算法生产流程与性能待提升、客户认知待培养以及产品封装形式待优化攻克知识图谱的建设主难点将有利于从源头保证知识与智慧层实可靠、可用正确，储备培养深厚行业专家与技术建设重点探讨复合型专家，升级底层图数据的存储方式，改善算法性能，为知识图谱建设减少阻碍。未来，知识图谱厂商、大数据厂商、NLP厂商、互联网大厂与信息化厂商等知识图谱业内参与者将从强化技术实力与深化行业认知的角度出发，结合自身原有业务优势，持续深化发展行业知识图谱业务。知识图谱业务场景也将不断选代，行业应用场景边界拓宽，垂直应用场趋势展望景被做深缴透，知识图谱生态也将继续由监管引导方、供给方、需求方、投资方、高校及科研院所融合共建，汇聚建设合力，促进产业生态成长壮大。来源：艾瑞咨询研究晚自主研究验能C2022.8 iResearch Incwww.iresearch.com.cn3 iResearch艾瑞i研究范围界定及赛道评估行业场景分析2优秀案例实践3建设重点解读4行业趋势洞察5 Part1：研究范围预热铺垫Part2:赛道驱动力评估概念与研究范围界定iResearch艾瑞描绘实体之间关系的数据结构语义网络知识图谱是人工智能的一大底层技术，是描绘实体之间关系的语义网络，自带语义、逻辑含义和规则，通过三元组即“实体×关系×需性”集合的形式来描述事物之间的关系，知识图谱将非线性世界中的知识信息结构化、可视化，辅助人类进行推理、预判、归类，知识图谱中的图并非图像概念，而是类似化学分子式的结构，一个知识图谱往往存在多种类型的实体与关系。知识结构网络化、网络结构复杂、网络由三元组构成、数据主要由知识库承载是知识图谱的四大基本特征。般而言，知识图造的数据以文本化数据为主，数据化数据为辅，知识图谱概念界定实体抽象出来的事物或具体的事物作为主体，对应知识人工智能Entity图谱中的节点/顶点同一类型的边和节点( Point/Vertex )知识图谱关系事物与事物之间的外部联系，对应知识图谱中的边?属性属性Relation(Edge )边节点不同类型的边和节点属性事物内部的本质特征，是实体的固有特性，一般不体现Property在图表征结构中，而是蕴藏在实体内部或关系内部来源：艾瑞咨询究能根据公开资科自主研究给制C2022.8 iResearch Inc.www.iresearch.com.cn5 Part1：研究范围预热铺垫Part2:赛道驱动力评估主要任务介绍iResearch艾瑞五大任务，复杂关联推理为突破重点般而言，知识图谱需执行的主要任务包括知识图谱构建与补全、实体统一（消歧）、实体分类、知识检索问答（简单推理）、复杂关系推理，现阶段的复杂关系推理需要更多依赖人类预测与推断各种可能的情况，并优先推荐可能性大的情况。知识图谱主要任务Taskl:知识圖谱构建与补全Task2:实体统一（消歧）Task3:实体分类KG1e4e3)e2, e4r1.Ear2e5r31归KG2利用关联的三元.r2r2组补全缺失的关实现图谱完整构建把实际含义、将不同属性的实性一致的实体统体按相同属性归一为1个为一大类Task4:知识检索问答（简单推理）Task5:复杂关联推理位于预测缺失的信·水和二氧化碳反应可以生成什么？碳酸达芬奇创作巴蒙息，推断行为位子卢浮言级别与影响.《复仇者联盟》黑事妇的扮演者是谁？感兴趣斯嘉丽约翰设朋友城市坐蘑于晓莉去过埃菲尔，并联电路各支路电压的特征？各支路电压相同男生小明铁塔性别来源：艾瑞咨询研究能根据公开资料自主研究验制C2022.8 iResearch Inc.www.iresearch.com.cn6 Part1：研究范围预热铺垫Part2:赛道驱动力评估技术架构原理iResearch艾瑞技术架构分五步走，旨在构建实体语义网络，数据获取：主要获取半结构化数据，为后续的实体与实体属性构建做准备，结构化数据则为数值属性做准备，·知识获取：①从文本数据集中自动识别出命名实体，包括抽取人名、地名、机构名等；②从语料中抽取实体之间的关系，形成关系网络；③从不同的信息源中采集特定的属性信息，知识融合：①完成指示代词与先行词的合并；②完成同一实体的歧义消除；③将已识别的实体对象，无歧义地指向知识库中的自标实体知识加工：①构建知识概念模块，抽取本体；②进行知识图谱推理，并对知识图谱的可信度进行量化评估，评估过关的知识图谱流入知识图谱库中存储，评估不过关的知识图谱返回一开始的数据环节进行调整，而后重复相同环节直到评估过关。，知识存储与计算：存储是为了快速查询与运用知识，需支持底层数据描述与上层计算，有的主体计算包含在存储中。知识图谱技术架构图Stepl：Step2：规况建模+Step3：知识融合★Step4：知加工Step5：知存赚与计算第三方知识库存储标准化数据质量评估结构化数据取结购化信息采用NLP等减术摄知识融合知识推理实体抽取半构化数据关系抽取指代消解计算属性抽取实体对齐本体抽取非构化数据实体链接业知识图造先完成知职建锁，再进行通用知识图请先进行数据快取，而行数据与知识获取，具体可见第章豪源：支融研究瑞根期公开流料，专家访谈自主研究验部C2022.8 iResearch Incwww.iresearch.com.cn Part1：研究范围预热铺垫Part2:赛道驱动力评估主流产品类型iResearch瑞成熟产品：通用互联网知识图谱；起步产品：行业知识图谱知识图谱的产品类型以通用知识图谱与行业知识图谱为典型代表，通用知识图谱经过开拓性构建阶段后，逐渐演变为通用互联网知识图谱，形成搜索引擎、智能推荐、智能问答三大产品类型，产品发展较为成熟。行业知识图谱处于起步期，但其价值及效果逐渐被客户所认可，是知识图谱当前乃至未来一段时期内的发展热点。通用知识图谱与行业知识图谱强调知识广度：通用知识图谱有哪些产品类型？》》》搜素引擎、智能推荐、智能问答产品处于成熟期产品成熟度覆盖哪些知识？》》》通用/垂类泛知识、百科常识、泛学科领域知识用于哪些场景？>》》》互联网的信息检索、商品/服务/视频/交友推荐、KBQA、KGQA等时间强调知识深度：行业知识图谱有哪些产品类型？>》》行业知识图谱解决方案产品处于起步期产品成熟度覆盖哪些知识？>>>某一领域内专业的知识，如医学领域的脑卒中诊断依据哪些行业已经投入使用？>金融、公安、医疗、电力、军工等时间来源：艾瑞研究究根据专家防说自主研究验制。C2022.8 iResearch Inc.www.iresearch.com.cn8 Part1：研究范围购Part2:赛道驱动力评估产品形态解析iResearch艾瑞造TH满足其一即可认定为知识图谱产品，五种形态可相互嵌套知识图谱的产品形态题有“言人摸象”之意，各类厂商分别通过自然语言处理、知识库、数据库、数据平台或中台、机器学习等产品逐步接蛭到知识图谱，在已有的业务基础上叠加知识图谱产品，或开发出独立的知识图谱产品业务线。就当前的五大产品形态而言，其中的任意一种都可算作知识图谱产品，且知识图谱产品一般为五类产品形态的排列组合复合体。主流的知识图谱产品形态O起源：网络搜索引学聚售：内部搜索引擎，知识范国：广地网中的通用联知识，知识范围：局域网中的专业知识目标：形成通用知识图谱，使检索更准确，并进行相关目标：形成某一领域或企业内的知识搜索库，核心以摆推荐索为主，特证：通用性强，适合生活领域，需强大的起虫能力.特征：通用性收缩，专业性变强举例：百科词条搜索、关键词相关推荐与问答举例：企业内部的业务知识检索与问答Q点睛：知识图谱可视化Q升级：大数据知识图谱，自标：进行知识与关系网络的直观展示，让人感知到图，知识范围：某一领域内的大数据成为知识资源追的存在目标：完成数据治理，进行知识与关系抽取，服务于组特征：属于知识图谱行业解决方案/大数据产品中的子模块，是产生人机交互的节点织的后续应用与业务分析，特征：是数仓与B数据分析的形式弓申，原来纯知识摆举例：可视化大屏O深化：行业知识图谱索引掌的知识图谱变为大数据组织形式，举例：数据中台/平台等大数据产品的知识图谱模快，知识范围：某一领域内的数据、专业知识组合形成知识资源，目标：将数据与知识转换为行业知识库，服务于辅助问答、推理、决策、判断准，盖单独构建行业知识库，举例：行业知识图谱解决方案来源：艾瑞研究院根据专家访说自主研究验制。C2022.8 iResearch Inc.www.iresearch.com.cn9 Part2:赛道驱动力评估瑞造海业务了解不透彻、产品开发承接性等原因诱发的有限存在感在各类知识图谱的产品形态中，大数据知识图语的数据产品属性强于知识图谱属性。在数据中台、大数据平台以及其他数据解决方案中，可频繁观察到知识圈谱这一画龙点睛的模块或组件，多数大数据厂商也常常自翊自己具备知识图谱能力，然而，一旦深究其中的知识图谱行业能力、底层技术能力，多数厂商的知识图谱工具往往难以覆盖知识图谱本该具备的完整生产流程，并且缺失核心的Schema建模技术，现阶段知识图谱在大数据产品中的地位及作用就显得十分有限。知识图谱在大数据产品中存在感有限的原因OO大数据厂商视角视角1：尽管厂商看到了行业知识图谱的市场规模空间，但有很多的业务场景没想好都带“我”，但要怎么设计与实施，对业务了解不透彻，就先做数据汇聚和治理，叠加简单的知识数据中台“我”在其中的图谱套件，并把知识限谱作为潜在的产品发展目标。作用、地位又没那么重要？视角2：出于品牌宣传效果考患，做简单的知识图谱套件叠加。一龄而言，大数据产品包括活企业搜系、B功能，为提升产品科技感与新额度，