大数据技术为大规模知识获取提供了可能，知识图谱技术的出现，则直接改变了利用这些大规模数据的方式。

在 海量的数据、强大计算能力、群智计算以及层出不穷的模型支持下，传统知识工程 解决了 知识获取 的难题。 算法实现 了 数据驱动的大规模自动化知识获取。 知识图谱则成了开启这些数据应用的钥匙。

知识图谱和 传统知识获取 不同的是 ， 由传统的自上而下获取数据的方式，变成从知识数据中直接进行知识的抽取和挖掘。 知识工程在知识图谱技术引领下进入了全新阶段， 即 大数据时代知识工程阶段。

大数据知识将会显著提升机器认知智能水平，大数据知识工程 将 提升机器的认知智能水平 ， 感知智能到认知智能的过渡阶段，未来最重要 的 技术即是实现认知智能。知识图谱使机器语言认知成为可能 ， 机器想要认知语言、理解语言，需要背景知识的支持。 同时， 知识图谱富含大量的实体及概念间的关系，可以作为背景知识来支撑机器理解自然语言。

传统的机器学习都是通过大量的样本习得知识，在大数据红利渐渐消失的情况下，逐渐遇到发展瓶颈。而通过知识图谱等先验的知识去赋能机器学习，来降低机器学习对于样本的依赖，增强机器学习的能力 ，将成为新时代下的必然趋势 。

在这样的背景下 KGB 知识图谱 实现了一系列的应用 比如搜索、精准推荐、风险识别、深化行业数据的理解与洞察等，在各种各样的应用场景发挥作用。

KGB知识图谱功能

1.  文档解析

KGB知识图谱引擎，可轻松解析多种格式与版本文档：TXT、DOC、EXCEL、PPT、PDF、XML等。尤其是PDF文件，可直接解析输出为word格式文件，保留文件中表格与文字格式等重要信息。对于图片信息，OCR可自动识别并抽取图片中的文字信息。

2.  知识抽取

KGB知识图谱引擎，可从结构化表格与非结构化文本中自适应识别并抽取关键知识（主体、客体、时间、地点、金额、条款等），准确率高达90%，实现知识的快速生成。

3.  知识关联

KGB知识图谱引擎深入挖掘知识关联，将一个个知识实体链接为具有完整意义的知识事实。并具有强大的知识推理能力，推理出暗含的知识与结论，丰富知识图谱。

4.  知识较验

KGB知识图谱加工厂能够对知识质量智能校验，包括对多种知识错误与冲突进行自动智能核查与修正，更有知识工程师进行知识精准校验，保证知识图谱的准确性。

KGB知识图谱特色

1、跨领域可扩展

知识图谱加工厂具有通用的图谱构建引擎。知识抽取、知识关联与质量核查过程不依赖特定业务知识，结合用户知识图谱构建的需求，可以快速构建用户领域知识图谱。

2、知识质量智能核查

知识图谱加工厂实现对多种知识错误与冲突的智能核查与校验，并对知识库进行实时自动更新，保证知识图谱准确性。

3、人机结合的服务

知识图谱加工场人机构成：90%机器+10%的人工，只需要提供语料，就可以快速得到对应的知识图谱构建成果。

信息技术 将直接改变现在的生产和生活方式，数据的价值也将更多的显现出来，知识图谱的出现将直接增加知识工程的应用，也促进机器的认知智能形成。