知识图谱与认知智能：基本原理、关键技术、应用场景与解决方案

认知的高度决定了你创造价值的高度，包括你对世界的认知及世界对你的认知。知识图谱与认知智能技术的发展，既孕育了圈层变更的机会，也带来了人、机器、企业如何协同与博弈的难题。

本书总计12章，从理论到产业应用对知识图谱与认知智能进行了介绍。第1～7章围绕知识图谱与认知智能的需求，以用户、设备、企业为中心，讲解知识体系建设、知识图谱构建、知识存储、知识推理的基本原理与关键技术。第8～12章讲解如何运用知识图谱与认知智能技术，构建产品化及系统化解决方案，以满足企业营销、服务、供应链、生产、运维、经营管理、数据交易等应用场景的业务需求。

读者通过本书可以了解企业认知智能的原理、应用方法、执行策略，以此构建企业认知博弈的优异策略。企业数据智能相关从业者可以参考本书，构建以用户为中心的企业认知智能解决方案，通过人机协同的方式，实现对业务的认知与引导，并从业务演变中获益。此外，本书可以作为自然语言处理、知识工程、人工智能、社会计算等相关课程的教材。

吴睿

毕业于伦敦大学学院，主要研究方向为用户认知与引导，相关领域包括用户画像、知识图谱、认知智能、搜索推荐、智能对话、社会计算等。

作为腾讯数据智能技术负责人，主导了多项腾讯云企业数据智能项目的落地，涉及营销、服务、生产、运维、企业经营管理等多个领域，开发了腾讯星图、腾讯云知识图谱、腾讯云图计算等多款产品。

作为腾讯数据负责人，主导规划并建设了QQ用户画像体系，通过统一的数据中台，支持广告营销、个性化推荐、用户增长、信贷风控、金融投资等多项业务。

一个人人都要使用大数据和人工智能算法的时代来临了！

信息经济研究领军人物张翼成教授在《重塑》一书中曾提及智能化“个人助理”。如果你想去一个没去过的国家来趟自由行，那么“个人助理”会依次帮你做如下事项。

（1）依照你的个人喜好给出一张旅游设计表。

（2）在你选了一些感兴趣的行程后，马上为你排出行程表并给出交通、时间和住宿建议。

（3）在你整合数个建议并做出一些调整后，马上依照你的住宿喜好等给出建议并依照你的决定租下住处。

（4）立刻把你选定的旅游地点的历史、特点、附近餐饮等收集好，做成长、中、短等不同版本提供给你。

如果你是一位游记作家或国际事务特约报导员，那么“个人助理”会帮助你收集你所在行程点的相关新闻、历史、人物、报导、小说等，变成你的写作材料。在你组合写作材料做出一个草稿时，会将你的草稿加上你在行程中的录音、录影转成“报导”，然后“高仿”你的个人写作风格整理出一个初稿，提供给你进行最后的修改以定稿。如果“报导”是多人多地同步进行创作的，那么还会把你的初稿上传到一个集体创作平台，和其他人的“个人助理”相互学习、改进，以形成统一的写作风格和内容，便于大家进一步修改。在修改过程中，“个人助理”又在进行学习及相互学习以帮忙持续整合和调整。在几轮人机互动后，定稿完成。

以上种种，已经在我们身边发生！我们去旅游网站订房，“个人助理”就已经根据我们的习惯给出推荐！只是现在的推荐是拥有大数据的企业为我们提供的，将来会是我们的笔记本电脑或手机为我们提供的，我们将会拥有数量非常可观的“个人助理”！

太阳底下无新鲜之事，历史总是在不断地重复它自己。

20世纪40年代，计算机和软件只在美国国防部、英国国防部破解密码时使用。随着IBM 360、370的出现，众多企业走上信息化的道路。20世纪70年代后，个人PC出现，接着智能化手持设备不断推陈出新，如今几乎人人都在使用计算机。在智能化时代，将会有数十甚至数百个大数据分析及人工智能算法软件供我们随身使用，这已是可以期待的了。

未来，在企业内部的协同工作场景中，各组织及平台上的工作者都会和工作流程中的上下游伙伴及各利益相关者形成人机共构网络，与其“智能助理”在工作平台上协同作业、集体行动并集体创造。

20世纪90年代，信息化终于带来了企业再造（Business Re-engineering）运动，其中未能很好地适应因个人电脑与网络化而出现的企业流程与结构再造的私营企业，大概都已被淘汰出局。如今，智能化时代已来，我们可以期许因智能化而出现的企业再造跟着到来。

然而这些从个人消费、工作到组织经营的智能化基础是什么？

（1）大数据。从公开数据的抓取到版权数据的购买，再到个人或企业自有数据的整合，并将大数据依我们的需求利用自然语言分析、地理信息分析、图像分析、网络分析、多模态分析、可视化等加以结构化。

（2）知识图谱。从大数据中抽取出的与我们相关的知识点，会以知识图谱的方式呈现出它们的底层结构，成为我们进一步可利用的知识架构。

（3）用于辅助决策的智能算法。这些算法会学习我们的工作方法、决策风格、社交网络、协同工作习惯等，给出各种建议，辅助我们对生活及工作中的方方面面进行决策。

本书中提及的知识图谱和认知智能，以数据中台为基础，以知识连接为核心，是企业将大数据作为公司级战略的重要抓手。这种从信息到知识再到智慧产生的底层逻辑体现了互联网时代网络式的、自组织的、自下而上涌现的公司治理思维和模式。知识图谱作为一种图网络形态的知识存储结构，展现着经过信息化、知识化处理的数据；认知智能则基于知识图谱，对知识进行推理、计算和转化，从而帮助个体突破认知上限，创造更大的个人价值，并帮助企业整合离散数据及建设认知应用，提升用户、物、企业的认知协同能力，创造更大的业务价值。

总之，AI加强了人的智能，人的智能又会影响AI，在这样的不断交互中呈现出一个崭新的人机相互增强的新系统。本书从知识图谱在企业治理中的应用逻辑到真实场景中的应用案例，较为系统地阐述了企业管理的新模式和实际操作方案，为企业的战略性思考和业务应用提供了有效参考。

罗家德
清华大学社会学系与公共管理学院合聘教授

前言

认知的高度决定了你所创造价值的高度，包括你对世界的认知，以及世界对你的认知。万物互联、产业互通等时代变革，带来了数量庞大、关联复杂、快速演变的信息环境。人、物、企业，既需要提升自身认知，做出最优决策，又需要把控并影响外界对自身的认知，通过信息博弈使自身利益最大化。以企业为例，一方面，企业需要对其营销、服务、供应链、生产、研发、经营管理等业务状态有全面且精准的认知，才能做出正向决策；另一方面，企业需要把控并引导市场对其品牌、产品、人员的认知，才能与外界有效协作，提升企业的商业及社会价值，规避系统性风险。企业认知的变化，会以股价变化、舆论变化、风险变化等形态显现，这些变化正是认知的价值体现。因此，认知的提升，可以为人、物、企业带来状态演变，创造更高的价值。那么应如何将“认知的提升”这一抽象概念，从理论转为实践呢？

为了达成认知的提升，需要基于知识图谱构建认知智能应用。认知的基础是知识。对于人类来说，认知是基于自身知识，经过分析与推理对目标状态做出判断；对于机器来说，认知是基于知识图谱，聚合数据与知识，实现分析与推理；对于企业来说，认知涉及大量人类个体、机器设备。因此，企业更需要基于知识图谱，将不同来源的数据与知识聚合，实现人类与机器的知识共享。知识图谱不仅可以聚合人类知识与经验的语义逻辑信息，还可以将海量物联网的实体数据状态与关联聚合成统一视图。因此，知识图谱是人、物、企业认知互联互通的基础。基于知识图谱，企业可以实现对用户、商品等目标实体从宏观组织结构到个体状态的全方位认知，并在此基础上，运用认知智能技术引导业务状态变化以获益。比如，企业通过认知用户，构建并筛选商品推荐、社群营销策略，引导其购买、分享，就可以从收入与品牌影响力等方面获益。又如，企业通过认知设备，构建并筛选设备生产、调度策略，引导设备高效且稳定地生产，就可以从降本增效、安全运行等方面获益。再如，政府与投资机构通过认知企业，构建并筛选投资、扶植策略，引导企业产品方向、利润模式演变，就可以从市值变化、产业结构变化等方面获益。

然而知识图谱与认知智能，从基本原理到关键技术，都有相当高的理解门槛。同时，如何基于两者的技术特性，找到适合落地的应用场景，构建可用的解决方案，对领域从业者都是巨大的挑战。

本书总计12章，第1～8章围绕用户域、物联域、企业域这三大业务领域，循序渐进地讲解知识体系建设、知识图谱构建、知识存储与计算、知识推理、知识图谱管理平台等知识图谱与认知智能的基本原理、关键技术；第9～11章讲解企业营销、服务、供应、生产、运维及企业经营管理场景中知识图谱与认知智能的应用与解决方案；第12章讲解数据交易的基本原理和解决方案。

知识图谱与认知智能是极具行业前瞻性的领域，在其未来引发的行业变革浪潮中，员工与企业既可能从降本增效、风险回避等方面获益，也可能面临因对手变强、博弈难度增加而被淘汰的风险。本书可帮助读者快速了解知识图谱与认知智能在不同业务领域的核心目标、主流技术方案、关键评估指标，以在变革浪潮中获益更多。

——吴睿，2021年12月

第1章 知识图谱与认知智能理论的基本概念 1

1.1 人工智能 2

1.1.1 人工智能的类型 2

1.1.2 人工智能的能力层级 5

1.2 知识图谱 6

1.2.1 知识的形态 6

1.2.2 知识图谱的定义 7

1.2.3 知识图谱涉及的技术领域 9

1.3 认知智能 10

1.3.1 认知智能的定义 10

1.3.2 认知智能与知识图谱的技术关联 13

1.3.3 认知智能的技术领域 14

第2章 知识图谱与认知智能的需求场景 15

2.1 知识图谱与认知智能需求总览 16

2.1.1 认知智能的产业需求 16

2.1.2 认知智能的产业落地 18

2.1.3 认知智能的产业价值 21

2.1.4 认知智能的产业影响 22

2.2 个体认知智能 23

2.2.1 个体对环境的认知智能需求场景 23

2.2.2 环境对个体的认知智能需求场景 25

2.3 物联认知智能 26

2.3.1 消费物联网中的认知智能 27

2.3.2 工业物联网中的认知智能 29

2.4 企业认知智能 31

2.4.1 企业认知智能与企业协同 32

2.4.2 企业认知智能需求总览 33

2.4.3 企业全域数据治理场景 35

2.4.4 企业营销认知智能场景 36

2.4.5 企业生产认知智能场景 38

2.4.6 企业经营管理认知智能场景 40

第3章 知识体系建设 42

3.1 知识体系建设理论 43

3.1.1 知识体系定义 43

3.1.2 知识体系建设的方法 44

3.1.3 知识体系建设的原则 48

3.2 用户知识体系 49

3.2.1 用户画像知识体系理论 50

3.2.2 用户画像知识体系建设的挑战 51

3.2.3 用户画像知识体系建设的方法 52

3.2.4 用户画像基础知识体系 56

3.2.5 用户营销领域的用户画像知识体系 58

3.2.6 用户增长领域的用户画像知识体系 62

3.3 物联知识体系 63

3.3.1 商品知识图谱知识体系 64

3.3.2 设备知识图谱知识体系 66

3.4 企业业务知识体系 69

3.4.1 企业全域知识体系 69

3.4.2 企业营销服务知识体系 71

3.4.3 企业生产与运维知识体系 72

3.4.4 企业经营管理知识体系 73

3.4.5 企业风险管理与投资知识体系 74

3.5 知识体系建设与知识治理 78

3.5.1 数据治理 79

3.5.2 知识治理与企业知识战略 84

第4章 知识图谱构建 86

4.1 知识图谱构建系统 87

4.1.1 知识图谱的构建流程 87

4.1.2 知识图谱构建系统的整体架构 90

4.2 知识抽取系统 92

4.2.1 知识抽取的数据来源 92

4.2.2 知识抽取框架 94

4.2.3 实体抽取 100

4.2.4 关系抽取 101

4.2.5 属性抽取 103

4.3 知识融合系统 104

4.3.1 知识融合的流程 104

4.3.2 知识融合系统的架构 106

4.3.3 用户域的知识融合 108

4.3.4 物联域的知识融合 110

4.3.5 企业域的知识融合 111

4.4 知识质量校验 112

第5章 知识存储与计算之图数据库 115

5.1 知识图谱与图数据库 116

5.1.1 图数据库的基础知识 116

5.1.2 知识图谱与图数据库存储解决方案 118

5.1.3 知识图谱应用与图数据库 121

5.2 图数据库相关技术 122

5.2.1 图数据库技术的发展史 122

5.2.2 图数据库与传统数据库 123

5.2.3 图数据库的数据模型 124

5.2.4 图数据库的存储介质 125

5.2.5 图数据库的引擎 126

5.3 开源图数据库产品介绍 126

5.4 图数据库评估标准 129

第6章 知识存储计算之图计算 130

6.1 知识图谱与图计算 131

6.2 图计算基础 134

6.2.1 图网络的基础定义与理论 134

6.2.2 节点分析类算法 136

6.2.3 关系链分析类算法 137

6.2.4 全图分析类算法 138

6.2.5 子图匹配算法 138

6.2.6 社区发现算法 138

6.3 图深度学习 139

6.3.1 图深度学习与知识图谱 140

6.3.2 图神经网络算法的原理 141

6.3.3 图神经网络算法的对比 143

6.3.4 图表示学习算法 144

6.3.5 GraphSAGE 146

6.3.6 GAT 148

6.4 图计算框架 149

6.4.1 图计算平台的难点 149

6.4.2 开源图计算框架介绍 150

6.4.3 图计算平台的评估标准 152

第7章 知识推理 155

7.1 知识推理的理论 156

7.1.1 基础理论 156

7.1.2 认知科学理论 157

7.1.3 产业实践理论 157

7.1.4 认知协同理论 159

7.2 知识推理的技术体系 161

7.3 知识问答 163

7.3.1 知识问答的定义与需求场景 163

7.3.2 垂直域的知识问答 166

7.3.3 知识问答产品的需求拆解 167

7.3.4 知识问答技术的难点 168

7.3.5 知识问答系统的整体技术方案 169

7.3.6 知识问答系统的技术架构 171

7.3.7 知识问答系统中的意图识别模块 174

7.3.8 知识问答系统中的推理查询模块 174

7.3.9 知识问答系统中的配置管理模块 177

7.3.10 知识问答运营 178

7.4 知识补全 179

7.4.1 知识补全定义 179

7.4.2 知识补全的方法 180

7.4.3 知识补全的技术架构与方案 183

7.4.4 对知识补全的进一步思考 184

第8章 知识图谱管理平台 186

8.1 知识图谱管理平台的产品架构 187

8.1.1 知识图谱管理平台的应用场景与流程 187

8.1.2 知识图谱管理平台的产品设计挑战 188

8.1.3 知识图谱管理平台的产品架构概览 189

8.1.4 知识建模模块 190

8.1.5 知识构建模块 191

8.1.6 知识存储与计算模块 193

8.1.7 知识推理模块 194

8.1.8 知识图谱管理平台的产品落地 195

8.2 知识图谱管理平台评估 197

8.2.1 技术架构评估 198

8.2.2 知识建模模块评估 199

8.2.3 知识构建模块评估 199

8.2.4 知识存储与计算模块评估 200

8.2.5 知识推理模块评估 201

8.2.6 安全能力评估 202

8.2.7 系统运维评估 202

第9章 知识图谱与营销认知智能 204

9.1 认知智能与企业营销系统的整体解决方案 205

9.1.1 用户营销的认知过程 206

9.1.2 企业营销系统 207

9.1.3 企业营销认知智能的系统实现 209

9.1.4 营销认知之企业私域流量场景 212

9.1.5 营销认知之B2B营销场景 214

9.1.6 营销认知之企业产销协同场景 216

9.2 知识图谱与用户智能认知 217

9.2.1 用户画像分析引擎 218

9.2.2 用户智能标签引擎 219

9.2.3 智能用户数据中台 227

9.3 知识图谱与社群认知引导 231

9.3.1 社群认知的形态 231

9.3.2 社群认知引导与社群演变 233

9.3.3 社群认知引导与智能推荐 234

9.3.4 社群认知引导与营销机器人 236

9.4 知识图谱与商品搜索 238

9.4.1 商品搜索基础理论 239

9.4.2 商品搜索技术架构 241

9.5 知识图谱与智能推荐 244

9.5.1 知识图谱助力推荐的方法论 245

9.5.2 知识图谱助力推荐的技术架构 247

9.5.3 知识图谱助力推荐的产品方案 250

9.5.4 知识图谱助力推荐的标签映射 253

9.6 知识图谱与营销服务机器人 254

9.6.1 社群营销机器人 255

9.6.2 智能客服机器人 256

9.6.3 营销机器人的认知能力建设 258

9.7 知识图谱与智能供应链 260

9.7.1 供应链管理中的知识图谱与认知智能 261

9.7.2 智能渠道管理 263

9.7.3 供应链风险预警 264

9.7.4 企业智能采购助手 266

第10章 知识图谱与物联网认知智能 269

10.1 设备认知智能 270

10.2 设备知识图谱建设 272

10.3 设备数据采集、存储与计算 274

10.3.1 设备数据采集与存储计算平台 274

10.3.2 设备物联网与图数据库 275

10.3.3 设备物联网与图计算 277

10.3.4 电网配网潮流计算 278

10.4 设备健康管理 280

10.4.1 设备健康状态管理系统 280

10.4.2 设备运维检修 283

10.5 设备智能调度与先进控制 286

10.5.1 设备智能调度 286

10.5.2 设备先进控制 288

10.6 能源设备认知智能解决方案 290

10.6.1 能源设备认知智能解决方案总览 290

10.6.2 能源设备知识图谱建设 291

10.6.3 能源的知识推理案例：能源设备运行断面检索 295

第11章 知识图谱与企业认知智能 300

11.1 企业认知大脑 301

11.1.1 企业认知智能战略 301

11.1.2 企业认知大脑的整体架构 304

11.1.3 企业认知大脑与企业物联网平台 308

11.1.4 企业认知大脑与企业数据中台 309

11.1.5 企业认知大脑与企业AI中台 310

11.1.6 企业认知智能应用体系 311

11.1.7 企业认知大脑的团队建设 313

11.1.8 企业认知大脑的落地流程示例 315

11.1.9 企业认知大脑的投入产出分析 317

11.2 企业知识库 319

11.2.1 企业知识库面临的挑战 319

11.2.2 企业知识库与知识图谱 320

11.2.3 企业知识库的解决方案 321

11.3 企业决策助手 323

11.3.1 企业决策助手的理论体系 323

11.3.2 企业决策助手的产品需求 325

11.3.3 企业决策助手的产品方案 326

11.3.4 企业管理驾驶舱 329

11.3.5 商业智能决策助手 332

11.3.6 专业智能决策助手 334

11.4 企业办公智能 338

11.4.1 企业办公协同 338

11.4.2 企业数字人 339

11.4.3 企业智能组织管理 342

11.5 企业风控与投资认知智能 344

11.5.1 企业风控认知智能 345

11.5.2 企业投资认知智能 346

11.6 企业认知智能与个体认知智能 351

11.6.1 认知博弈与认知协同 351

11.6.2 宏观协同与微观协同 352

第12章 认知智能与数据交易流通 354

12.1 数据的要素 355

12.2 数据交易的特性 356

12.3 数据交易解决方案 357

12.3.1 数据交易解决方案总览 358

12.3.2 数据交易的平台建设 359

12.3.3 数据交易的知识治理 361

12.3.4 数据交易的需求匹配 361

12.3.5 数据交易的隐私保护 363