近日，第四屆“達(dá)觀杯”攜手國內(nèi)年度學(xué)術(shù)大會CCKS舉辦的技術(shù)測評大賽完美收官。本次大賽由中國中文信息學(xué)會語言與知識計算專業(yè)委員會主辦，達(dá)觀數(shù)據(jù)與同濟(jì)大學(xué)聯(lián)合組織。經(jīng)過幾個月的激烈角逐，實力卓群的國家電網(wǎng)旗下國網(wǎng)信通產(chǎn)業(yè)集團(tuán)從幾千名參賽選手中脫穎而出榮獲冠軍，并在第十四屆全國知識圖譜與語義計算大會（CCKS-2020）上進(jìn)行方案分享，達(dá)觀數(shù)據(jù)副總裁王文廣為冠軍團(tuán)隊頒發(fā)獎項。
達(dá)觀數(shù)據(jù)副總裁王文廣（右一）為冠軍團(tuán)隊國網(wǎng)信通產(chǎn)業(yè)集團(tuán)代表（左一、二）頒獎
自2017年以來，由達(dá)觀數(shù)據(jù)主辦的“達(dá)觀杯”系列算法大賽至今已經(jīng)舉辦四屆，在全國范圍內(nèi)引起極大關(guān)注，目前已成為國內(nèi)語義理解領(lǐng)域規(guī)模最大的算法競賽之一。從第一屆的“個性化推薦”為賽題，第二屆“文本分類”；第三屆文本智能信息抽取”，到第四屆與CCKS聯(lián)合舉辦的“基于本體的金融知識圖譜自動化構(gòu)建技術(shù)評測”，達(dá)觀數(shù)據(jù)持續(xù)通過在技術(shù)與應(yīng)用場景之間搭建互通的橋梁，讓優(yōu)秀的技術(shù)在解決實際問題中發(fā)揮最大價值。
在第十四屆全國知識圖譜與語義計算大會現(xiàn)場，達(dá)觀數(shù)據(jù)副總裁王文廣總結(jié)了本次測評大賽的情況。本評測任務(wù)參考TAC KBP中的Cold Start評測任務(wù)的方案，圍繞金融研報知識圖譜的自動化圖譜構(gòu)建所展開。評測從預(yù)定義圖譜模式（Schema）和少量的種子知識圖譜開始，從非結(jié)構(gòu)化的文本數(shù)據(jù)中構(gòu)建知識圖譜。
本次評測內(nèi)容從現(xiàn)實的場景中抽象和簡化的任務(wù)，因此具有很強(qiáng)的現(xiàn)實意義。由于研報本身所容納的數(shù)據(jù)與知識涉及面廣泛，專業(yè)知識眾多，不同的研究結(jié)構(gòu)和專業(yè)認(rèn)識對相同的內(nèi)容的表達(dá)方式也會略有差異。這些特點(diǎn)導(dǎo)致了從研報自動化構(gòu)建知識圖譜困難重重，解決這些問題則能夠極大促進(jìn)自動化構(gòu)建知識圖譜方面的技術(shù)進(jìn)步。
本次大賽冠軍團(tuán)隊國網(wǎng)信通產(chǎn)業(yè)集團(tuán)代表分享了其在評測任務(wù)中的方案與思路。在整體過程中采用重構(gòu)研報上下文、反向標(biāo)注及校正、實體抽取、屬性&關(guān)系抽取的四個過程。其在分享中介紹，常用實體關(guān)系抽取模型有實體抽取+關(guān)系分類的Pipeline模型、聯(lián)合抽取實體關(guān)系的joint模型。在本場景下種子實體關(guān)系數(shù)量偏少，基于經(jīng)驗，實體抽取模型準(zhǔn)確度較高，故團(tuán)隊計劃采用改進(jìn)標(biāo)記、后接Beam Search解碼的關(guān)系抽取方案。
在分享最后，冠軍團(tuán)隊表示，本次評測提供了將學(xué)術(shù)研究與企業(yè)的應(yīng)用實踐有機(jī)結(jié)合的契機(jī)。通過參賽，學(xué)習(xí)和認(rèn)知了文本智能化技術(shù)的豐富的應(yīng)用場景，提升對企業(yè)非結(jié)構(gòu)化信息智能化處理能力，進(jìn)一步擴(kuò)大了視野，保持與業(yè)內(nèi)高水平技術(shù)的學(xué)習(xí)接觸，更好更快地將優(yōu)秀學(xué)術(shù)研究結(jié)果應(yīng)用于企業(yè)生產(chǎn)運(yùn)營中。
除本次大賽外，達(dá)觀數(shù)據(jù)王文廣在第十四屆全國知識圖譜與語義計算大會知識圖譜工業(yè)論壇上進(jìn)行了題為《工業(yè)質(zhì)量體系中的知識圖譜應(yīng)用實踐》的主題分享，詳細(xì)介紹了達(dá)觀淵海知識圖譜平臺和失效模式知識圖譜的應(yīng)用案例。
這是行業(yè)內(nèi)首個將知識圖譜技術(shù)應(yīng)用與制造業(yè)質(zhì)量管理體系中的應(yīng)用，通過對失效知識和經(jīng)驗進(jìn)行充分挖掘，融入失效工作對各環(huán)節(jié)提供提供支持，輔助工程師和專家更好、更快、更精準(zhǔn)的進(jìn)行失效分析，幫助制造企業(yè)在產(chǎn)品質(zhì)量和可靠性等工作上進(jìn)行預(yù)防失效和故障的發(fā)生，減少發(fā)生失效或故障后產(chǎn)生的損失。
2019年，達(dá)觀數(shù)據(jù)以自主研發(fā)的文檔智能審閱系統(tǒng)為基礎(chǔ)參與“公眾公司公告信息抽取”測評大賽，達(dá)觀數(shù)據(jù)技術(shù)團(tuán)隊提出的基于Open CV和Faster R-CNN的財務(wù)報表抽取模型，以及一種兩階段的結(jié)構(gòu)化信息抽取方法，在表格信息點(diǎn)提取和文本段落信息點(diǎn)提取任務(wù)上，分別達(dá)到了0.978的準(zhǔn)確率和0.940的F1-score。最終兩項子任務(wù)以0.959F1值高效斬獲亞軍。
作為深耕人工智能的領(lǐng)軍企業(yè)，達(dá)觀數(shù)據(jù)持續(xù)用技術(shù)賦能產(chǎn)業(yè)發(fā)展的同時，不斷挖掘人工智能領(lǐng)域人才，為人工智能學(xué)術(shù)與產(chǎn)業(yè)發(fā)展做出貢獻(xiàn)。
