背景与挖掘目标 2 文本预处理及基础特征提取 3 词向量及特征提取 4 深度学习特征提取 5 集成学习建模 大数掘挖掘专家 2 目 录 3 背景与挖掘目标 智能客服场景一 大数掘挖掘专家 背景与挖掘目标 智能客服场景一 大数掘挖掘专家 4 背景与挖掘目标 智能客服场景二 大数掘挖掘专家 5 智能客服描述 > 目前常用的智能客服应用的原理是 ：先建立好标准问题 -- 答案库 ，每个标准问题都对应一个标准回答；当 ，让客户在与客服机器人交流的过程中有更便捷的体验。 背景与挖掘目标 大数掘挖掘专家 6 背景与挖掘目标 案例数据 大数掘挖掘专家 7 案例目标 > 根据提供的客服应用场景数据 ，建立文本相似度计算模型 ，对客服数据中的客户提问和标准问题是否相关 联做判断 ，返回相应结果以支持后续智能客服场景应用。 背景与挖掘目标 大数掘挖掘专家 8 案例流程 > 1 、文本预处理工作 ，包括分词、去停用词、近义词及错词处理

2022 Natural Gas: Leading the Damage Prevention Industry 哪些技术进步有助于减少天然气行业的损失？ 5. 挖掘 5.1 呼叫设施定位请求 5.2 白线 5.3 定位参考编号 5.4 预挖掘会议 5.5 设施重新安置 5.6 单独的定位请求 5.7 一次呼叫接入 （ 24/7 ） 5.8 积极回应 5.9 设施所有者 / 运营商未能回应 5.10 找到验证 标记保存 5.27 回填 5.28 竣工文件 5.29 非开挖挖掘 5.30 与相邻设施的紧急协调 5.31 提供地下设施地点不收取任何费用 5.32 真空开挖 5.33 设施所有者在挖掘期间提供监控 完整性管理 - 防第三方损害 5.18 挖掘观察员 5.19 挖掘容忍区 5.20 容忍区内的挖掘 5.21 不明设施 5.22 暴露设施保护 5.23 查找请求更新 紧急人员通知 5.26 紧急开挖 DAe AN VD SHo 增强积极响应 定位请求信息， 设施图， 照片和虚 拟清单 软挖掘工具 真空挖掘和水力挖掘 移动挖掘机应用程序 地理围栏 地理围栏， 使电子设备 GPS 和数字测绘技术 挖掘区域电子白线 挖掘设备上集成 GPS 预测分析工具 使用移动设备 其他先进技术 空中巡查 ， 包括 无人驾驶飞机 PE 管定位技术 o 声学定位技术

我们如何做智能客服？ 2019 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 5 2019 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 6 问题挖掘 知 识 管 理 系 统 客服工单 政策法规 职能部门 知识库 知识图谱 知识生产流程 知识质检 2019 2019 KE.COM ALL COPYRIGHTS RESERVED 8 如何 / 怎么 + 【事件动词】 + 【实体词】 < 实体，属性，属性值 > < 实体， 关系， 实体 > 知识的挖掘 2019 KE.COM ALL COPYRIGHTS RESERVED 9 示例 entity type property 什么是房源录入 ? 房源录入 what 定义 怎么提取公积金 ? 不动产 ep 抵押登记 如何判断暂真房源和强 疲房源 ? 暂真房源 强疲房源 which 区别 为什么备案经纪人需要 是本店的 ? 备案 经纪人 需要 本店 why 为什么 知识的挖掘 2019 KE.COM ALL COPYRIGHTS RESERVED 10 用户问题数据分布 8% 3% 22% 工具使用 知识咨询 闲聊型 其 它

机会与风险等细节问题，进行深入 挖掘，听取来自行业第一线工作者和企业 领导层对行业的见解和认知。 智能医疗概述 AI+ 医疗 应用场景 虚拟助理 医学影像 辅助诊疗 疾病风险预测 药物挖掘 健康管理 医院管理 辅助医学 研究平台 1 赋能 现象 发展 矛盾 广阔 市场 “ 人工智能 + 医疗”是人工智能技术对于 医疗产业的赋能现象。当前以机器学习 与数据挖掘为两大技术核心的人工智能， 行为与功能角度 1 智能医疗概述 就目前技术发展而言，人工智能以机器学习、数据挖掘为两大技术核心，两者技术范畴上有所交叉。机器学习又包含对抗学习等诸 多种类，其 中倍受瞩目的就是深度学习。按照拓扑结构分类，深度学习可分为卷积神经网络、循环神经网络和全连接神经网络，并 通过算法框架实现深度 学习过程。在机器学习与数据挖掘的技术之上，实现了目前市场上最常见的三大技术应用，即计算机视觉、 智能语音技术和自然语言处理。 智能语音技术和自然语言处理。 云平台（云存储与云计算） 云计算设备 处理器 / 芯片 传感器元件 激光雷达 数据 挖掘 机器学习 交 叉 部 分 强 化 学 习 迁 移 学 习 … 深 度 学 习 TensorFlow Lasagne Theano Caffe Keras MXNet Torch DMTK CNTK Neon …… 深度学习 卷积神经网络

业务人员 • 业务用户：提出业务需求，并制定优先级 • 业务分析师：有较深的行业业务知识，通过分析业务数据提供决策支持 • 数据科学家：具有专业领域知识、统计分析背景和计算机技术基础，从数据中挖掘有效 信息以解决业务深度分析需求 • 机器学习专家：具有统计学思维、丰富的编程和数据建模经验，通过开发算法进行业务 分析和预测 技术人员 • 平台 / 系统架构师：软件工程师背景，对大数据、云计算有较深的理解，负责技术选型 目的关键组成要素，对 大数据来说，它甚至更 加重要。企业的数据必 须随时可被需要数据的 人员使用和获得。 大数据平台产品建设和应用方案 调研报告 - 大数据分析能力（应用） 查询与报表 数据挖掘 数据可视化 预测建模 优化 65% 67% 71% 77% 91% 模拟仿真 自然语言文本 地理空间分析 流分析 视频 分析 语音 分析 35% 43% 大数据平台产品建设和应用方案 智慧的医疗 智慧的市民服务 智慧的公共安全 智慧的交通 •实时路况发送 •公交到站提醒 •通畅路线规划 •远程会诊 •智慧处方 •临床决策系统 •犯罪信息挖掘 •突发事件响应 •高危位区域统计、预警 智慧的公共事业 •智能用电分析 •环境状况分析预测 •水处理 / 水资源管理 •智能就业匹配 •政策舆情分析 •商品优惠客户匹 配 全面感知 充 分

点和推广。与此同时，搭建数据 仓库平台，统一定义元数据标准， 建立和完善“多维数据存储 （ MOLAP ）”平台，建立基于数 据仓库的知识库、决策分析模型； 基于数据仓库和数据集市进行数 据挖掘，实现分析、决策类的复 杂税收分析应用功能。 结合金税工程三期应用 系统建设，建立综合数 据分析平台，完成“操 作型数据存储（ ODS ）” 及其应用功能的设计、 ROLAP Portal O S D 汇总数据 。。。。 。 。 。。 第一阶段综合数据分平台建设内容 综合数据分析平台功能展现 第二阶段 决策支持系统建设内容 纳税评估 数据挖掘 功能展现 知识管理 决策分析 后台数据平台 绩效管理 。。。。。 神经元网络 一户式查询 生产系统查询 一案式查询 执法监督 一员式查询分析 一科式查询分析 一局式查询分析 网络公共服务库 决策分析缓冲库 渠道应用 决策支持应用 商业智能 数据仓库 交换库 信息集成平台 智能仪表板 即席查询 统计报表 告警 多维分析 数据挖掘 市场细分 SCV 应用 分析型应用平台 Touch Panel Internet Verification

空气质量指数 水质量指数 人均收入指数 就业指数 社会保障指数 消费活力指数 社会舆情指数 社交活力指数 城市居民人均可支配收入 农村居民人均可支配收入 人均储蓄 党媒首页指数 社交平台挖掘 12345 社交平台挖掘 网络求职数与劳动力数比 低保率 救助人口比 低保平均金额 救助平均金额 微博、微信、博客、论坛成 员数 社交平台登录频率 社交平台消费时间 社交平台影响力指数 正面舆情指数 负面舆情指数 知 识 数据运维 数据之源 数据生产区（原始数据） 结构化数据 文本文件 多媒体数据 描述类数据 信息发现区 知识发现区 知识挖掘区 知识展现区 知识交互区 基于大数据的应用体系 ODS 数据魔方 多维数据关联 主数据 数据台账 关键索引 大数据挖掘 行业规则 大数据可视化 数据多维报表 大数据操纵 数据 APIS 大数据检索 机构内部数据 社会数据 互联网数据 数据安全 2 退而结网，打造大数据湖泊 3 大数据平台、架构与实现 4 大数据可视化，看得见的数据 18 软件兼容基础架构 数据 采集层 物理 存储层 逻辑 存储层 并行 计算层 算法层 挖掘 分析层 服务 接口层 调度监控层 ETL Hadoop Sqoop Hadoop Flume Pyspider Kafka Hadoop HDFS HBase Hive MPP Greenplum

数字化信息化服务业务全流程， 提升运营监管效率 • 深度挖掘园区数据 ，为园区问题 寻根溯源 ，提供数据决策 技术升级 流程剖析 数据挖掘 解决方案 需求分析 02 / 规划设计 痛点 多维研判 辅助决策 综合处置 设计思路 引入大数据、物联、空间信息技术 ，基于园区业务处理流程 ，挖掘园区业务数据 ，实现园区状态感知、多维研判、辅助决策和综合治理的智慧化管理模式。 化管理模式。 • 数据 • 时空 • 物联 状态感知 01 高效 02 精准 03 智能 “Y” 数据 深度挖掘 “X” 全流程 事件管控 02 / 规划设计 事前预警 事中处理 事后复盘 引入技术 一云图 园区数字云全景图 一网 一张图覆盖立体感知网 卡口监控 污染源排口监测 一脑 园区云脑 规划蓝图 打造“一网、一图、一脑、一平台”体系： 云 图 总览 智能发现 分级预警 精准推送 闭环处理 一网 / 一张全覆盖立体感知网 建立园区安全生产、环境管理、应急管理、封闭园区、能源管理全覆盖的立体感 知网 ，为智慧园区数据挖掘、决策应用提供快速、精准、全面的感知数据 ，提 供 执法、监管、规划、调控不同业务的量化数据抓手。 卡口 水电煤炭 废水废气 视频监控 危险源 固废噪声 人车定位 特种作业 03 /

普通最小二乘回归 12 神经网络 17 支持向量机 22 最大期望 3 分位数回归 8 主成分分析 13 随机森林 18 奇异值分解 23 组合方法 4 非线性回归 9 偏最小二乘回归 14 文本挖掘 19 关联规则 24 主题分析 5 决策树 10 因子分解 15 文本分析 20 社交网络分析 数据算法技术 训练数据 数据采集 特征提取 数据分割 数据验证集 数据训练集 深度分析 器 学 习 数据计算分析 预测算法 状态研判 挖掘模型 图像识别 机器引擎 接口模型 汇总模型 业务特征 人物特征 平台技术功能架构 业务系统（多租用户） 机器采集数据 传感器 日志 舆情 …… 接口管理 数据 调取 数据 计算 数据 加密 权限 控制 行为 审计 …… 数据 统计 数据 分析 数据 挖掘 …… OA 金融 电商 交通 …… 第三方 对分配而来的不同场景进行批量合规化的外呼操作， 成功解决了催收等业务场景中的质量保证及效率提 升的问题。 客服精灵 通过网络对从 CTI 系统实时获取的 语音流，实时提供坐席辅助提醒， 客户信息挖掘 通过挖掘用户行为数据，为市场决 策提供依据，提升客户对企业的满 意度 电话呼入场景 基础版：与原有呼入系统 IVR 对接，免 去按键提示，提供扁平化的业务语音导 航菜单服务 升级版：多轮语音对话，回复高频基础

已经无法持续，人类必须寻找“智慧化”建设城市的新模式 智慧城市是人类城市发展的新特征和新趋势 智慧城市需要解决 2 个基本问题： 1 、整合城市大数据，建立城市知识库 2 、将知识转化为智慧 --- 数据挖掘、人工智能 大数据：智慧城市的基础与引擎 --- 移动互联：大数据爆发：物联网、云计算、“云 - 端”互动时代来临。各种基于云端面向公众的移动应用 产生，如：搜索、导航、 SNS 、 O2O 等，社会化研发、创客… 战略进行前瞻、 务实、有效和先进的顶层设计，一直是困扰城市建设者的难题。目前，我 国十分欠缺能够完成智慧城市规划设计的研究与咨询机构 3. 缺乏资金 智慧城市需要在物联网等基础设施、大数据整合与挖掘以及智慧应用等 方面大力投入，是一项耗资巨大的系统工程。目前，由于我国经济下行， 地方政府普遍负债严重，故对于大多数城市而言，很难由政府独立投资建 设智慧城市 4. 缺乏相关法律法规与技术标准 系统，还包括各种企业、 社区自建等，但数据不能整合共享，谈不上大安防、更谈不上挖掘、预测 与服务 传统社会：政府一层层控制数据信息 现在社会：大数据实时、并发产生，不受控制 网络新媒体已超过 CCTV 成为最受信赖、关注最多的媒体 --- 城市管理者需要快速决策与响应 需要对数据进行实时的、智能化的采集、整理、挖掘和分析， 以辅助城市决策者处理日常事件和应急 大数据时代对城市管理者提出严峻挑战