智能五大技术方向

知识工程

面向垂直行业，结合专家知识、多源异构的碎片化知识和组织智能，引领从大数据分析到大知识工程进而大智慧系统的研发和落地应用。构建行业知识图谱，实现智能推理与知识服务，推进多机多人多任务的人机协同，开发新一代知识工程的技术体系和系统平台，服务搜索、推荐、规划、对话机器人等领域的情景感知和人机协同。

信息检索

围绕自然语言处理、自然语言理解、知识图谱工具、智能问答、智能检索等领域进行技术研究与应用。建设基于主动学习与迁移学习的自然语言处理平台，重点投入自然语言理解、非结构化数据的实体与关系提取，半自动化及自动化知识抽取等方向，构建知识图谱工具，提供智能问答、智能检索等上层应用。

深度学习

专注于以深度学习为核心的技术研发，针对垂直行业，支撑集团的智能餐饮、智能零售、供应链物流、智能营销、智能工业等业务领域。分为三个小组：
计算机视觉组：检测分割、目标跟踪、图像分类、动作识别、场景识别、身份识别等算法模型与工具；
语音技术组：语音识别、语音合成、声纹识别、音频搜索； 高性能计算组：深度学习算法模型在单机（CPU/GPU/FPGA/ASIC）或集群上的并行化、高性能实现与移植，为计算机视觉与语音技术降低算力成本提供底层支持。

视觉计算

将聚焦AI+新服务、AI+制造业、服务机器人三大场景，基于摄像头采集的人员、物体、环境数据，重点围绕人员检测跟踪、人员分类、着装识别、人体姿态估计、动作识别与预测，物品异常瑕疵检测与识别，机器人视觉定位等核心技术，开展线下数据实体化的研发与应用。

营销智能

聚焦智能推理推荐、人机交互优化、消费者认知与决策过程、意图预判与趋势预测。研究基于数据驱动的营销策略优化、基于数据挖掘的营销图片视频识别、基于生理与脑科学数据的情感识别、以及智能自动化创意生成等问题，为营销智能提供场景受众定位、推荐与行为决策的技术与理论支持。

image.png

image.png

多元数据深度挖掘和计算的关联知识挖掘平台

基于各行业的基础信息、标签特征、轨迹行为、交易记录、通联事件、围栏卡口等数据，通过规则引擎、机器学习、图挖掘等多种计算方法，分析、挖掘和推理出多元化对象（如“人-号码-账户-案件-物品-场所-组织等）之间多维度的关联关系，用于行业大脑的知识积累、符号计算和智能推理。通过 HARTS，客户可以最大程度的利用和挖掘轨迹类的价值，识别人与人之间的隐性关系，隐性关系丰富了知识图谱关系边的种类，能够有效的提升公安干警办案效率。

image.png

公安知识图谱平台

明略公安知识图谱平台以科学、合理、高效的方式将大量存在的孤立、异构数据融合到知识图谱中，将碎片化的数据有机地组织到符合人们认知方式的知识网络中，让数据更加容易被人和机器理解与处理，为搜索、分析、挖掘、应用、展现、预测预警等各类应用提供更加高效、更加可靠的支持。

核心优势

• 可视、高效的数据治理能力

• 创新型公安大数据交互模式

• 创新型大数据公安情报内生能力

• 创新型警务大数据服务模式

场景解释

• 知识图谱数据治理

知识图谱数据治理将公安各类数据（结构化数据、半结构化数据、文本数据、音视频图像等非结构化数据）进行识别，将其中的各类数据串连、组织、融合汇总成为人、地、事、物、组织等实体为节点，属性、时空、语义、特征等联系为边的一张关系网中，形成公安知识图谱库，再现真实世界对象之间的错综复杂的关系，利用AI技术让计算机仿照人类的思维方式去“思考”从而精准和推断问题的答案。

知识图谱平台提供长效机制，使公安知识图谱库能伴随着新数据的接入而不断更新、丰富，为上层各类基于知识图谱的人机交互研判应用和智能挖掘模型服务提供数据支撑。

知识图谱数据治理主要包括数据接入平台、数据处理平台、数据治理平台、公安知识图谱数据库等。

• 知识图谱研判工具

知识图谱研判工具主要采用明略自主知识产权的可视化知识分析平台SCOPA。

知识图谱研判工具提供丰富的可视化展示界面，以及强大的分析功能，可快速将分散的海量多样数据进行智能关联和分析挖掘，并将全量数据归一为业务人员理解熟悉的语言和图形，最大化还原数据的本质。可以在数亿实体和数十亿的关系网中，实时进行关系挖掘、路径推演、全文检索、时空分析等操作，同时辅以强大灵活的交互功能。加速侦查人员获取有效信息的效率，延伸侦查人员的侦查智慧，提高侦查人员对数据的掌控和利用水平。

知识图谱研判工具主要包括知识图谱的检索、关系挖掘、路径推演、时空分析、在线战法等基础研判功能。

• 知识图谱挖掘模型

根据不同的业务场景，基于公安知识图谱，构建各类分析和挖掘模型，通过分析人员关系，发现隐藏在后面的团伙关系及潜在ZDR，帮助公安人员掌握全面的人员情况，获取相关违法犯罪行为的线索。

知识图谱挖掘模型提供各种专业模型包，用于支持业务人员的分析研判，目前已经沉淀了大量犯罪人员及群体的挖掘模型。

√ 模型的构建过程：根据一定的研判分析经验，固化下来的一些规则模型，利用大数据分析引擎，以及海量的关系网络图谱和轨迹数据，通过种子人员筛选、规则模型计算、结果集交叉验证等大数据分析手段，挖掘出有高可信度的团伙或潜在ZDR员，提供给业务人员分析研判。

√ 模型的结果：研判的结果可以直接以团伙的形式，也加入多轨联控模块进行动态管控，只要有符合条件的行为轨迹，即刻发出高危预警，提醒情报人员执行相应的措施。

• 知识图谱服务接口

知识图谱服务平台提供各类服务接口，可供服务端或者其他业务系统调取使用。平台提供客户端及统一图谱查询语言NQL、图谱检索接口、图谱分析接口，实现指定类型的实体、关系、事件的属性元数据定义及调用服务。

解决方案架构图

image.png

image.png

智慧缉毒打防管控平台

智慧缉毒平台基于多年来总结的涉毒类案件的特征，借助大数据技术与机器学习相结合的手段，建立新型缉毒工作流程，实现更高层次的涉毒违法犯罪分析挖掘，基于涉毒团伙内聚关系实现对隐性涉毒高危人员及团伙的挖掘、发现、推送、侦查、反馈的一体化研判平台。

行业痛点

近年来毒品违法犯罪趋势有所上升，重大贩毒案件持续多发，涉毒管控范围面广，警力不足，平台提供精确的涉毒关联线索挖掘分析，实现精准管控、精准打击。

为了能够解决毒品犯罪群体化、联络方式多元化，流通渠道多样化等现代贩毒制毒的特点。我司应运而出了警务大脑-智慧缉毒大数据分析平台软件，充分借助大数据、人工智能等新技术，进行深度关系挖掘，实现 “抓住一个，挖出一伙”。

场景解释

首先基于禁毒业务需要，对高危涉毒人员的标签类、轨迹类和关系类的多源异构数据进行采集、接入、汇聚、存储和组织。其次通过拓展多渠道数据接入手段汇聚分散在各业务系统的涉毒相关数据资源。最后在此基础上，借助分布式存储计算、图计算、机器学习以及警用地图等技术，对涉毒数据进行整合、关联、融合，逐步形成大数据背景下可为禁毒工作提供全面支撑的涉毒可视化分析应用。

智慧缉毒平台嵌套多种警务模型模块，包括鲜活度积分模型、身份判定模型、基础团挖模型等十三种分析挖掘模型算法，基于监督学习挖掘模型，分析涉毒人员的行为特征，并提炼出相关因子，形成涉毒分析知识库，把知识上升为有价值的情报。

• 高危涉毒人员推送
  
  image.png

• 隐性高危涉毒人员预测

image.png

• 涉毒人员团伙挖掘分析
  
  image.png

• 高危涉毒人员全息画像
  
  image.png

参考资料

https://blog.csdn.net/tobacco5648/article/details/50513949

大规模1.4亿中文知识图谱开源下载

知识图谱可视化：https://www.ownthink.com
本次ownthink开源了史上最大规模的中文知识图谱，数据是以（实体、属性、值），（实体、关系、实体）混合的形式组织，数据格式采用csv格式。
百度网盘链接: https://pan.baidu.com/s/1LZjs9Dsta0yD9NH-1y0sAw 提取码: 3hpp
解压密码：https://www.ownthink.com/