1.5　知識圖譜的典型應用

我們在前文中已經接觸到了知識圖譜對搜索引擎的成功應用。知識圖譜為搜索提供了豐富的結構化結果，體現了信息和知識的關聯，可以通過搜索直接得到答案。除了通用搜索引擎之外，在一些特定領域中，知識圖譜也發揮著重要作用，例如同花順公司的問財系統[1]、文因互聯的文因企業搜索[2]等。

在醫療領域，為了降低發現新藥的難度，Open Phacts[3]聯盟構建了一個發現平臺，通過整合來自各種數據源的藥理學數據，構建知識圖譜，來支持藥理學研究和藥物發現。IBM Waston[4]通過構建醫療信息系統，以及一整套的問答和搜索框架，以腫瘤診斷為核心，成功應用于包括慢病、醫療影像、體外檢測在內的九大醫療領域。其第一步商業化運作是打造了一個腫瘤解決方案（Waston for Oncology），通過輸入紀念斯隆·凱特琳癌癥中心[5]的數千份病例、1500萬頁醫學文獻，可以為不同的腫瘤病人提供個性化治療方案，連同醫學證據一起推薦給醫生。

在投資研究領域，成立于2010年的AlphaSense[6]公司打造了一款新的金融知識引擎。與傳統的金融信息數據平臺不同，這款知識引擎并不僅僅局限在金融數據的整合和信息平臺的范圍，而是通過構建知識圖譜，加上自然語言處理和語義搜索引擎，讓用戶可以更方便地獲取各種素材并加工再使用。另外一款非常具有代表性的金融知識引擎是Kensho[7]。它通過從各種數據源搜集信息，構建金融知識圖譜，并關注事件和事件之間的依賴，以及對結果的關聯和推理，從而可為用戶提供自動化語義分析、根據特定行情判斷走勢等功能。

在政府管理和安全領域，一個具有代表性的案例是Palantir[8]，因通過大規模知識圖譜協助抓住了本·拉登而聲名大噪。其核心技術是整理、分析不同來源的結構化和非結構化數據，為相關人員提供決策支持。例如在軍事情報分析系統中，將多源異構信息進行整合，如電子表格、電話、文檔、傳感器數據、動態視頻等，可以對人員、裝備、事件進行全方位實時的監控分析，使調度人員第一時間掌握戰場態勢，并做出預判。除了協助抓住本·拉登，Palantir的另外一項赫赫有名的成就是協助追回了前納斯達克主席麥道夫金融欺詐案的數十億美金。

在電商領域，阿里巴巴生態積聚了海量的商品和交易數據，它以商品、產品、品牌和條碼為核心，構建了百億級別的商品知識圖譜，可以廣泛應用于搜索、導購、平臺治理、智能問答等業務，同時保持每天千萬級別的惡意攻擊攔截量，極大提升了消費者的購物體驗。

在聊天機器人領域，具有問答功能的產品，例如Siri、微軟小冰、公子小白、琥珀·虛顏、天貓精靈、小米音箱，背后均有大規模知識圖譜的支持。例如在琥珀·虛顏中，除了有通用百科知識圖譜——“七律”的支持，還有子領域，例如動漫知識圖譜、美食知識圖譜、星座知識圖譜的支持。圖1-13給出了公子小白在多類別知識圖譜融合后的一個問答對話示例。

---

[1] http://www.iwencai.com/。

[2] http://search.memect.cn/。

[3] https://www.openphacts.org/。

[4] https://www.ibm.com/watson-health。

[5] https://www.mskcc.org/。

[6] https://www.alpha-sense.com/。

[7] https://www.kensho.com/。

[8] https://www.palantir.com/。