语言和知识计算是人工智能皇冠上的明珠，已经成为各行业建设行业人工智能的核心驱动力之一，大规模文本认知计算方案的实施和落地不仅需要算法上的突破，也需要知识工程方法和工具的创新。
11月30日，网感至察信息科技有限公司（以下简称网感至察）在其北京办公室举办了“语言和知识计算技术研讨会”，面向公安安全、科技情报、司法、医疗、金融、专利等行业的集成商和合作伙伴，共同探讨交流大规模知识工程的落地和实施。
网感至察的技术专家向来自于多家企业和高校的资深行业人士，介绍了“大规模细粒度语义抽取的基本方法”。指出了传统的自然语言处理工具在行业智能中无法落地的痛点：只能做简单的分词和抽取，难以与行业知识融合；而要将NLP落地，还需解决概念抽取、关系挖掘和逻辑推理等知识工程技术在冷启动、可维护和可解释等方面的技术难题。
网感至察的解决方案
通过自主研发的TML语言和TML Studio知识工程工具打造语言和知识计算的基础设施， 网感至察提供了一种形式化的方式，自动搜集信息，理解语义，可以从文本中抽取成千上万种语义实体，在各个行业场景建立知识图谱，打造落地实用的认知智能。使用该工具, 客户不再需要繁重的人工来做各种语料标注，并能打造可维护可解释的认知智能。
网感至察的自主创新
围绕知识工程工具和工程方法进行的创新，贺兆辉副总裁做了深度讲解，包括: 为了在各行各业建立规模庞大结构复杂的知识图谱，网感至察拥有自主知识产权的TML语言编译器和虚拟机，如何基于其强大的文法规则生成能力、执行效率并融合深度神经网络，通过已知的知识点推理未知的知识点，建立实体与概念之间的关系，自动识别出不同的关系类型，最后开展逻辑推理预测。伴随着解说，贺总特别演示了应用于药企、司法、公安、安全、政务、军工、情报等不同业务场景的实用知识图谱。
语料标注的利器
TML Studio是网感至察研发的知识工程集成开发工具。它可以为深度学习提供自动语料标引，通过深度学习来泛化规则等强大的工程化能力，并且其TML知识工程产品具有开放、复用的思路。TML公有云运行环境是免费的，可以在公有云上免费试用目前对外开放的6类24个知识工程；也可以利用TML STUDIO构建知识工程，及利用TML进行标引和深度学习。其便利之处让在在场人士都非常感兴趣，问答环节讨论异常热烈。
最后，特邀嘉宾北京理工大学博士生导师毛先领副教授，介绍了深度学习基本原理和思想，并分享了他在自然语言处理领域典型人物上的应用，向在场的企业代表描绘了深度学习与知识工程的相互促进融合的广阔未来：随着人工智能逐渐发展普及，行业与技术专家的工作分工明确越来越清晰，深度学习必将替代重复性的脑力工作。
在本次沙龙活动中，与会代表反响热烈，网感至察深切感受到了大数据行业对知识工程的渴求，部分客户表态将深入与网感至察展开知识工程的快速实施方案。
面向知识工程应用产品和解决方案的蓝海，网感至察已经启航。
联系客服
