知识图谱平台产品升级。
和美知识图谱产品是由和美信息技术专家团队利用人工智能中的NLP（自然语言理解）、机器学习、深度学习等技术，让计算机建立模型快速阅读复杂文件，进行智能抽取、审核、数据预处理及结构化数据，为图谱三元组的实体抽取、关系抽取做好前端数据处理工作。和美信息的知识图谱已积累数亿条的实体及数十个行业规律等进行持续自学习训练，现已服务金融、制造、通信、法律、审计、媒体、政府等多个行业。
核心优势
自主研发的分布式图数据库
分布式写入性能提升10倍，实时查询提升2倍，离线计算性能提升3倍
算法丰富
产品集成丰富的知识获取、知识融合、知识应用等算法库
图谱组件广度覆盖
对私知识图谱组件、渠道信息图谱组件、房地产市场知识图谱组件、档案管理知识图谱组件、运维图谱组件等
图谱业务场景丰富
牵头为四大行提供过知识图谱应用场景建设并成功交付的经验
功能特点
文本智能抽取
文本智能抽取指的是在非结构化的文本数据中，将具有特殊意义的字段进行结构化抽取的过程。
D2R应用
数据经过转化后，需要将结构化数据转成可以生成图谱的三元组，因此需要高效、稳定的工具，我们采用D2R进行实现。
ETL技术实现
对于金融体系内，尤其银行内部有海量的结构化数据，通过ETL方式对数据进行整合、清洗、抽取，并存入结构化数据库中，进行实现数据的非结构化到结构化转换。
分布式数据存储
采用Hadoop分布式文件系统和JanusGraph图数据库实现数据的分布式存储。
丰富的知识应用
包括知识计算、图挖掘计算、知识推理、图应用、可视化展示等。
业务功能
知识建模
本体建模、主题建模、知识表示、动态图谱、RDF、PGM
知识获取
实体抽取、关系抽取、属性抽取、标签抽取、事件抽取、结构化、半（非）结构化
知识融合
实体对齐、冲突解决、属性归一、知识补全、知识审核
知识存储
分布式存储、动态模型、实体嵌套、复合类型
知识计算
关系预测、因果推断、知识推理、图计算
知识赋能
问答系统、智能搜索、情报分析、推荐系统、风控反欺诈
技术架构
建模获取融合
统一集成平台、分布式抽取（Spark、MR等）、本体建模（RDF、PGM等）、知识融合（实体链接等）、其他组件（爬虫、表达式等）、大数据平台（Hadoop、Spark等)
知识赋能
图谱构建工具、图谱查询工具、图谱分析工具、图谱服务API、SDK二次开发包
知识推理
图谱核心库、自然语言处理、标签体系管理、标签体系管理、其他组件（规则引擎、SNA等）、深度学习（Tensorflow等)、大规模机器学习（SparkMLLib等）、分布式图计算存储、搜索引擎（Elasticsearch）
基础设施层
服务器集群、GPU集群（可选）、存储、网络
知识存储
RDBMS/ODS/DW、图数据库
应用场景
客户贡献度分析
渠道配置与运营优化
理财产品推荐
人员同城借调
市场潜力分析
精准营销
金融信贷风控
客户忠诚度分析
全方位客户画像
