技术服务
利用自然语言处理技术（NLP）提取非结构化文本中的信息，结合图数据库，构建知识图谱，洞察信息之间的内在关联。
自然语言处理（NLP）
命名实体识别
识别文本中指定类别的实体，主要包括人名、地名、机构名、专有名词等。
关系抽取
检测和识别文本中实体之间的语义关系，并将表示同一语义关系的提及（mention)链接起来。
事件抽取
从非结构化文本中抽取事件信息，并将其用结构化形式呈现出来。
信息集成
将来自不同数据源、不同文本的信息综合起来进行决策，主要包括共指消解技术和实体链接技术。
识别文本中指定类别的实体，主要包括人名、地名、机构名、专有名词等。
检测和识别文本中实体之间的语义关系，并将表示同一语义关系的提及（mention)链接起来。
从非结构化文本中抽取事件信息，并将其用结构化形式呈现出来。
将来自不同数据源、不同文本的信息综合起来进行决策，主要包括共指消解技术和实体链接技术。
知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。
面向多样化信息源，通过自动化的技术抽取出可用的知识单元，知识单元主要包括实体(概念的外延)、关系以及属性3个知识要素，并以此为基础，形成一系列高质量的事实表达，为上层模式层的构建奠定基础。
以深度学习为代表的表示学习技术可以将实体的语义信息表示为稠密低维实值向量，进而在低维空间中高效计算实体、关系及其之间的复杂语义关联，对知识库的构建、推理、融合以及应用均具有重要的意义。
由于知识图谱中的知识来源广泛，存在知识质量良莠不齐、来自不同数据源的知识重复、知识间的关联不够明确等问题，所以必须要进行知识的融合。知识融合是高层次的知识组织，使来自不同知识源的知识在同一框架规范下进行异构数据整合、消歧、加工、推理验证、更新等步骤，达到数据、信息、方法、经验以及人的思想的融合，形成高质量的知识库。
政府机构
金融保险
人力资源
教育培训
人力资源
教育培训