深耕知识图谱手艺明略专利申请量立异高-明略科技

首页明略研究深耕知识图谱手艺明略专利申请量立异高

深耕知识图谱手艺明略专利申请量立异高

2021-03-05

克日，，，，，，IPRdaily基于北京市知识产权公众信息效劳平台检索数据，，，，，，对知识图谱手艺领域的专利申请情形举行了系统性剖析。。。。。明略与腾讯、平安科技、百度等大厂成为专利量前五名厂商，，，，，，其中，，，，，，明略位列第四。。。。。现在，，，，，，明略共拥有220余个知识图谱相关专利，，，，，，总专利申请数目超3500个。。。。。

恒久以来，，，，，，明略深耕知识图谱领域，，，，，，在2020年10月，，，，，，明略入选Gartner 2020图谱手艺Cool Vendor报告，，，，，，全球仅4家厂商入选，，，，，，明略是唯一入围的中国厂商。。。。。别的，，，，，，明略科技依附知识图谱自动构建及应用效果被授予2020吴文俊人工智能手艺发明一等奖。。。。。

明略科技提供全栈式知识图谱解决计划，，，，，，通过数据组织、模子盘算、知识效劳，，，，，，团结客户营业领域中的行业Know-How，，，，，，以探索式的交互及可视化体现，，，，，，发明数据纪律，，，，，，启发式地创立价值新洞察，，，，，，辅助营业决议。。。。。明略科技打造了基于知识图谱手艺的知识治理与洞察剖析平台，，，，，，可为客户提供知识建模、抽取、融合、存储、盘算及应用等手艺组件和功效模�？？？？？？�。。。。。现在，，，，，，已效劳了政府、银行、包管、证券、轨交、电力、制造、融媒体、食物清静等领域的200多个行业客户。。。。。

在社交媒体舆情剖析场景中，，，，，，基于知识图谱，，，，，，可以把用户爆发的谈论，，，，，，与后台的产品知识库相对应，，，，，，便于运营职员对产品更细粒度的特征做用户舆情走势剖析，，，，，，随后把这些效果整合到BI系统，，，，，，从而实现用户需求洞察，，，，，，辅助生产创意内容，，，，，，实现细腻化营销。。。。。

在线下零售场景中，，，，，，通过销售职员佩带的智能工牌，，，，，，将销售历程数字化，，，，，，基于自然语言处置惩罚手艺举行话题分类，，，，，，盘算出话题之间转移的概率，，，，，，形成话题转移的知识图谱，，，，，，资助销售职员复盘，，，，，，剖析流单的主要环节，，，，，，改善话术并提高成单率。。。。。

在金融风控场景中，，，，，，针对小我私家信贷及对公客户，，，，，，构建资金担保股权等关系的知识图谱，，，，，，使用图体现学习算法将客户做向量化体现，，，，，，用于反诓骗模子和信用评分模子。。。。。

在工业装备维保场景中，，，，，，从传感器发出的故障信号的时间序列数据中挖掘出故障的主伴生关系，，，，，，从维修工单的非结构化文本中挖掘出因果关系，，，，，，拼接出磨练知识图谱，，，，，，为维修工人提供磨练最佳实践，，，，，，应用这套系统后车辆故障率降低约50%，，，，，，逐步从逐日磨练酿成每8日磨练，，，，，，大幅度降低运营故障、镌汰人事情业、提高磨练效率。。。。。

信息泉源：IPRdaily

推荐阅读

全球双榜SOTA！明略科技专有大模子 Mano开启GUI智能操作新时代

2025-09-28

明略科技推出的GUI大模子Mano在Mind2Web和OSWorld两大基准测试中取得了创纪录的SOTA效果，，，，，，乐成率抵达40.1%。。。。。通过在线强化学习和自动数据收罗，，，，，，Mano为GUI智能体领域提供了可扩展的新范式，，，，，，显著提升了重大使命的执行能力。。。。。该手艺的突破不但推动了自动化界线的扩展，，，，，，也为企业智能化转型提供了强有力的支持

相识更多

官宣！明略科技推出专有大模子产品线DeepMiner，，，，，，可信商业数据剖析智能体终于能用了！

2025-09-22

明略科技推出专有大模子产品线DeepMiner，，，，，，以“可信智能体+可信数据”双轮驱动，，，，，，解决企业智能体落地中幻觉率高、历程不透明等痛点。。。。。该产品通过多智能体协同架构、企业级数据整合及全流程透明化设计，，，，，，降低幻觉率并支持知识沉淀，，，，，，其自研Mano和Cito模子划分实现精准执行与深度推理，，，，，，助力企业构建可信生产力。。。。。

相识更多

明略科技 Mano Technical Report

2025-09-18

Graphical user interfaces (GUIs) are the primary medium for human-computer interaction, yet automating GUI interactions remains challenging due to the complexity of visual elements, dynamic environments, and the need for multi-step reasoning. Existing methods based on vision-language models (VLMs) often suffer from limited resolution, domain mismatch, and insufficient sequential decisionmaking capability. To address these issues, we propose Mano, a robust GUI agent built upon a multi-modal foundation model pre-trained on extensive web and computer system data. Our approach integrates a novel simulated environment for high-fidelity data generation, a three-stage training pipeline (supervised fine-tuning, offline reinforcement learning, and online reinforcement learning), and a verification module for error recovery. Mano demonstrates state-of-the-art performance on multiple GUI benchmarks, including Mind2Web and OSWorld, achieving significant improvements in success rate and operational accuracy. Our work provides new insights into the effective integration of reinforcement learning with VLMs for practical GUI agent deployment, highlighting the importance of domain-specific data, iterative training, and holistic reward design.

相识更多

上一篇：明略科技吴明辉：效劳型组织怎样实现数字化转型？？？？？？？

下一篇：明略科技入选Forrester亚太地区金融效劳自然语言处置惩罚应用案例报告

返回行业资讯

btt博天堂