云时代的流式大数据挖掘服务平台 基于元建模的视角(朱小栋)思维导图

知识图谱HRBP 专业人士进阶知识图谱人力资源业务伙伴（HRBP）处于当今人才战略的前沿，是最近几年HR 领域增长最快的角色，在许多组织中也都代表着最关键的角色。

出色的HRBP需要在战略和执行之间取得平衡。

他们必须对团队正在努力解决的业务挑战有深刻的了解，并能够通过人才管理的视角重新定义这些挑战，并提出好的问题同时设计创新的解决方案。

优秀的HRBP大有可为！第一篇章HRBP：从事务型到战略型战略性合作伙伴使人力资源系统和业务战略保持了一致，并为企业设定HR 工作的优先级顺序变革推动者通过转型和使企业适应不断变化的业务环境来帮助企业HR效率专家通过设计和提供更有效的人力资源系统，为企业节省了成本员工支持者通过员工承诺与专业能力确保了员工对企业的高贡献度长期/战略性日常/运营性人才流程戴维·尤里奇一. HRBP 的四角色模型战略业务运营HRHR服务交付HR 管理层专家中心（COE ）共享服务中心（SSC ）集中化分布式员工/管理者自助服务管理者员工其它用户HR 业务伙伴（HRBP ）HR业务伙伴1. 四角色模型的演化关注客户管理客户亲密关注方案卓越至上人才领导力组织文化绩效能力关注运营有效专家中心Center of Expertise 更多时间进行方案设计人力资源业务伙伴HR Business Partner 更多时间进行内部咨询发现Discover共享服务中心Shared Service Center到：处理HR 交易•薪酬调整•员工查询•福利问题•其他从：处理常规问题主要主要主要二. IBM 的HR 三支柱模型第Ⅰ阶段共享服务的前身第Ⅱ阶段WFS 福利服务中心第Ⅲ阶段全国人力资源共享服务中心第Ⅳ阶段HRSC 人力资源问询第Ⅴ阶段员工服务中心整合第Ⅵ阶段转型外包第Ⅶ阶段全球化第Ⅷ阶段持续改进单流程多流程全球化多职能部门多公司全球整合的企业本地整合（1992年前）美国区域化（1992年）美国集中（1995年）EMEA 集中（1998年）亚太虚拟的薪资与报销（2001年）专业能力评估（2001年）外包：美国（2002年）EMEA （2003年）加拿大和亚太地区（2004年）将工作转给BTO 客户全球化2005年&2006年薪资规划2005年能力整合（2008年）美国首个ATS ，关闭36个CERIS 系统IDP 2002年WWER 2002年CV Wizard 2004年Learning@IBM2004年全球OM-单一ATS （欧洲/亚太，2006-2007年）全球OM-单一ATS （美洲，2008年）IBM 共享服务中心投资回报COE 与人力资源合作伙伴20世纪90年代初2007年•更加注重人力资源战略与计划和政策工作•全球政策，根据法律规定进行本地调整•全球化系统•区域人力资源管理•区域和全球呼叫中心•人力资源支出降低近50%资料来源：顾晓蓉. 实现企业全方位的人才管理. IBM 全球企业咨询, 2010.2.1 IBM 的HR 三支柱的发展历程图PBC 2001年三. HRBP 成熟度模型绩效提升等级描述特性1.02.03.0@2019 Gary A. Depaul. PhD Adapted from the forthcoming book, HRBP3.0项目事务型HRBP管理型HRBP战略型HRBP服务对象某一个业务单元若干个小业务单元，某一个较大的业务单元大规模业务单元、多个业务单元或区域范围人员多元化程度人员结构单一人员结构有一定多元化人员结构多元化程度较高服务对象职能单一某项职能2-3项职能合集复杂的职能合集工作方式近一半的协调与沟通工作，大量的人力资源事务性工作少量下属或助理，多半是独立事务性工作者参与企业战略规划、组织发展、变更和整合要求HR专员/主管（熟悉某一模块即可）具备HR某几个模块专业知识的HR主管/经理；或者业务转型过来熟悉HR各个模块，对战略有理解的HR经理/总监3.1 三种型号的HRBP……战略规划咨询服务流程/合规行政战略规划咨询服务流程/合规行政传统模式领先模式转变3.2 不同HRBP 工作时间分布的差异为业务管理人员提供与人才管理方面的专家协助，是战略人才管理的构建者夹在人力资源部和业务部中间的可怜虫3.3 HRBP 进阶的三角模型目标态度能力完成HR部门安排的人事任务给业务创造价值角色定位HR专家to HR专家问题解决者业务关联弱关联to清晰了解业务部门的目标和流程业务知识了解较少to具备HR专业知识了解业务运作外部视角仅关注HR工作本身to关注业务部门需要HR做什么有效沟通基本没有业务沟通to以恰当的角度、深度、频率了解业务需求固定的思维方式与工作习惯以客户为中心随需应变本位意识和模块思维积极寻求共识干预直线经理的人事管理把属于直线经理的权力和责任还给他们3.4 战略型HRBP 的5角色模型战略顾问数据驱动的问题解决者有影响力且善于讲故事值得信赖的教练独立的意见者13524•我们正在努力实现的业务目标是什么？为了帮助解决业务问题，HRBP 必须对这些问题以及影响因素有深入的了解；•对业务有好奇心；•善于提出好问题，并对问题进行整体思考。

云计算大数据平台安全运维方案目录第一章现状与需求分析.............................................................................................4...1.1 总体现状分析...............................................................................................4...1.1.1 信息化现状 ......................................................................................................... 4..1.1.2 关键问题分析...................................................................................1 01.2 业务需求理解.............................................................................................12.1.2.1 开放的统计云数据平台...................................................................1 21.2.2 数据采集与拓展...............................................................................1 21.2.3 创新应用开发...................................................................................1 31.3 基础平台建设需求......................................................................................1 4 第二章总体架构设计...............................................................................................1 6.2.1 总体架构.....................................................................................................1 6.2.2 数据架构视图.............................................................................................1 7.2.3 创新的业务模式.........................................................................................1 7.第三章信息安全中心设计.......................................................................................1 8.3.1 统计云安全风险分析..................................................................................1 83.1.1 统计云环境面临的传统安全威胁................................................................. 1.83.1.2 统计云环境面临的新型安全威胁................................................................. 1.93.2 统计云安全建设方案..................................................................................4 53.2.1 IaaS层安全建设方案 (45)3.2.2 PaaS平台安全..................................................................................5 03.2.3 DaaS层安全建设方案.....................................................................5 83.2.4 SaaS层安全建设方案......................................................................6 13.2.5 安全服务中心建设方案...................................................................6 6 第四章运维监控中心设计.......................................................................................74.4.1 云计算中心运维服务方案 (74)4.1.1 运维服务体系建设说明...................................................................7 44.1.2 运维服务体系架构 (76)4.1.3 云计算中心运维服务内容...............................................................8 04.1.4 云计算中心监控方案和排障方法................................................................. 9.54.1.5 体系建设的效果分析.......................................................................9 7 4.2 系统迁移方案规划......................................................................................9 94.2.1 迁移原则..........................................................................................9 9.4.2.2 迁移步骤..........................................................................................9 9.第一章现状与需求分析1.1 总体现状分析1.1.1 信息化现状统计信息化是中国统计走向现代化的核心，是提高统计数据质量的关键，是中国统计更加规范统一的重要支撑。

慕课学习中心建设方案目录一、前言 (2)1.1 编制目的 (2)1.2 背景与意义 (3)1.3 主要内容与范围 (3)二、需求分析 (4)2.1 用户需求分析 (6)2.2 功能需求分析 (7)2.3 技术需求分析 (8)三、建设目标与原则 (9)3.1 建设目标 (10)3.2 建设原则 (11)四、功能模块设计 (12)4.1 课程管理模块 (13)4.2 学习资源管理模块 (14)4.3 学习路径规划模块 (15)4.4 学习数据分析模块 (16)4.5 管理与维护模块 (17)五、技术实现方案 (18)5.1 系统架构 (20)5.2 数据库设计 (21)5.3 前端开发技术 (22)5.4 后端开发技术 (23)5.5 安全性保障措施 (24)六、运营与管理策略 (25)6.1 运营模式 (26)6.2 课程更新策略 (27)6.3 学习资源更新策略 (28)6.4 用户激励机制 (29)七、风险评估与应对措施 (30)7.1 技术风险及应对措施 (32)7.2 运营风险及应对措施 (33)7.3 法律法规风险及应对措施 (35)八、结语 (36)一、前言随着信息技术的飞速发展，互联网已经成为人们获取知识、提高自身素质的重要途径。

慕课(Massive Open Online Courses,MOOC)作为一种新型的教育模式，以其开放性、便捷性和高效性受到了广泛的关注和欢迎。

慕课学习中心作为慕课教育的核心载体，旨在为广大学习者提供一个优质的在线学习环境，帮助他们实现自主学习、终身学习的目标。

本建设方案将详细阐述慕课学习中心的建设目标、原则、内容、方法和实施步骤，以期为我国慕课教育的发展提供有益的借鉴和参考。

1.1 编制目的编制本慕课学习中心建设方案的主要目的在于明确目标与方向，推动高质量在线教育资源的建设与应用。

通过构建完善的慕课学习中心，旨在提高教育质量，扩大教育覆盖面，满足广大学习者的需求。

V10.0.001 0204SuperMap技术体系介绍SuperMap产品体系介绍超图集团介绍新型三维GIS技术031云原生GIS(C loud Native GIS)C 新型三维GIS(New T hree Dimension GIS)大数据GIS (B ig Data GIS)人工智能GIS (A I GIS)（2006年+）SuperMap GIS 10iEulerOSK-UXx86Power ARM MIPS SW-64龙芯申威飞腾CentOS深度中标麒麟数据库操作系统CPUUbuntu银河麒麟凝思华为鲲鹏华为欧拉普华人大金仓瀚高南大通用浪潮K-DB华为GaussDB HBasePostgreSQL MongoDBMySQLElasticsearch 阿里PolarDB达梦神舟通用湖南麒麟Android *元心*中兴*海光新云东方浪潮兆芯虚拟化技术容器化技术弹性伸缩负载均衡集群技术智能运维……四驾马车一体化分布式存储和计算微服务动态编排多云环境智能运维…云端一体化GIS产品云边端一体化GIS产品空间大数据技术经典空间数据技术分布式重构大数据GIS 技术体系…iObjects for SparkDSFiDesktop Java iServer iManager iMobileSparkSpark Streaming ElasticsearchPostgres-XL MongoDBHBaseVector Tiles TensorFlowiPortaliObjects Python……城市设计、CIM 、新型三维GIS 技术WebGL/VRBIM+GIS倾斜摄影三维分析（GPU ）三维移动端三维渲染引擎二三维一体化GeoAI1AI for GIS2GIS for AI3融合AI 的帮助GIS 软件进行功能提升和完善将AI 的分析结果放到中，进行结果管理、空间可视化和分析。

2边缘GIS 服务器•SuperMap iEdge云GIS 服务器•SuperMap iServer •SuperMap iPortal •SuperMap iManagerWeb 端•SuperMap iClient JavaScript •SuperMap iClient Python•SuperMap iClient3D for WebGL移动端•SuperMap iMobile •SuperMap iTablet•SuperMap iMobile LitePC 端•SuperMap iObjects Java •SuperMap iObjects .NET •SuperMap iObjects C++•SuperMap iObjects Python •SuperMap iObjects for Spark •SuperMap iDesktopX •SuperMap iDesktop云边端10i 新增便捷易用的组件式开发平台大型全组件式GIS开发平台，提供跨平台、二三维一体化能力，适用于Java/.NET/C++开发环境。

前言 (1)第1章云计算介绍 (4)1.1云计算的起源 (4)1.1.1计算模式发展历程 (4)1.1.2数据和业务应用发展历程 (5)1.1.3 IT技术和应用模式发展历程 (6)1.2云计算概念 (7)1.2.1云计算主要包含三个层次的含义 (7)1.3浪潮行业云 (8)1.3.1行业云特征 (9)1.4云计算的价值 (10)1.4.1云计算实现行业信息化的安全高效统一 (10)1.5行业云促进行业信息化转型，快速推动业务发展 (12)1.5.1建设行业云可以实现行业决策分析的科学化与准确性 (12)1.5.2建设行业云将促进行业服务的发展 (12)1.5.3建设行业云将提升对行业业务的监管能力 (12)第2章需求分析 (14)2.1项目背景： (14)2.2沈阳信息中心现状 (14)2.2.1网络现状 (14)2.2.2系统现状 (14)2.2.3安全现状 (14)2.2.4业务现状 (14)第3章云计算中心整体规划 (15)3.1指导思想 (15)3.2建设原则 (15)3.3建设总目标 (15)3.4阶段性目标 (15)3.4.1第一阶段(2011年)：建成云计算数据中心和构建沈阳云计算示范应用。

. 错误！未定义书签。

3.4.2第二阶段(2012年)，以点带面，构建沈阳云计算服务平台，将相关行业应用迁移至云计算平台。

..................................................................... 错误！未定义书签。

3.4.3第三阶段(2013-2014年)，建设沈阳云计算服务平台，沈阳系统应用的迁移，沈阳相关行业应用迁移至云计算平台。

..................................... 错误！未定义书签。

3.4.4第四阶段(2014-2015年)，建设沈阳云计算服务平台，提供云计算相关服务，推动云计算产业和其他相关产业全面发展。

开源力量 | 让我们一起向最牛的IT技术专家们学习!开源力量公开课 | 每周二线上线下同时开课大数据的实时分析与应用案例分享YunTable大数据实时分析数据库介绍开源力量 | 让我们一起向最牛的IT技术专家们学习!开源力量公开课 | 每周二线上线下同时开课}来自麦肯锡的报告,未来的10年里,数据和内容将增长44倍,并且这些数据有无法估量的价值;}出现很多以数据为资产的行业,数据本身和数据相关的分析能力决定了整个公司的核心竞争力。

比如互联网广告,金融机构,大数据实时分析工具对他们而言,就等同于竞争武器,快或慢一秒钟,往往就意味着财富的得与失;}关于各种数据的创新想法层出不穷,Google,关联关系等;开源力量 | 让我们一起向最牛的IT技术专家们学习!开源力量公开课 | 每周二线上线下同时开课}More Findings(更多的发现,比如说,一家快消公司现在不仅可以获得具体销售数据来判断产品的走势,而且可以抓取网页来进行舆情方面的分析,来帮助他们进行决策,比如,一个男性护肤品公司在通过分析网页,从而产生的舆情信息来判断在亚洲杯投广告比在世界杯投广告更合适。

}Deep Insights(更深入的挖掘,比如说,另一家快消公司,现在不仅能获知那些人是他们的顾客,而且能获取更多关于这些顾客的信息,比如,年龄,性别,工资和所在地等,从而能对客户进行画像,从而能发展更多同类型的客户或者其他相关类似的客户;}Priceless Results(无价的结果,我们有一个客户,他们是做车联网,他们有几十万台终端,这些终端每隔一段时间会发具体位置的消息给后端的数据集群,之后这些集群会分析一下这些海量的位置信息,最终分析出那些路段在什么时候比较堵,之后将这些非常有价值信息推送给客户,帮助用户减少在路上的受消耗的时间,假如北京所有司机都能使用这种服务,我觉得天下第一堵将不再是帝都的专利;开源力量 | 让我们一起向最牛的IT技术专家们学习!开源力量公开课 | 每周二线上线下同时开课大数据需求新兴行业业务传统新兴传统快例如电信账单分拣:从两周到一天大例如智能电网:一个业务系统每天20亿条记录快阿里巴巴:从商品销售到保险信贷转型大快社交网络电商实时数据挖掘,广告跟踪部署简单服务质量提升终端数量激增竞争格局改变数据分析决定竞争力开源力量 | 让我们一起向最牛的IT技术专家们学习!开源力量公开课 | 每周二线上线下同时开课}第一个阶段:自身业务需求产生大量数据,利用这些数据,通过深入证析,优化相关业务;}第二个阶段:搜集与目标业务直接或间接关联的大量异质数据,建立复杂的分析和预测模型,产生针对目标业务的输出;}第三个阶段:随着整体数据相关的法律不断补充,以及技术不断成熟,形成一个完善的数据生态,包括数据市场,数据运营商和数据商店等。

图表目录图1知识工程发展历程 (3)图2 Knowledge Graph知识图谱 (9)图3知识图谱细分领域学者选取流程图 (10)图4基于离散符号的知识表示与基于连续向量的知识表示 (11)图5知识表示与建模领域全球知名学者分布图 (13)图6知识表示与建模领域全球知名学者国家分布统计 (13)图7知识表示与建模领域中国知名学者分布图 (14)图8知识表示与建模领域各国知名学者迁徙图 (14)图9知识表示与建模领域全球知名学者h-index分布图 (15)图10知识获取领域全球知名学者分布图 (23)图11知识获取领域全球知名学者分布统计 (23)图12知识获取领域中国知名学者分布图 (23)图13知识获取领域各国知名学者迁徙图 (24)图14知识获取领域全球知名学者h-index分布图 (24)图15 语义集成的常见流程 (29)图16知识融合领域全球知名学者分布图 (31)图17知识融合领域全球知名学者分布统计 (31)图18知识融合领域中国知名学者分布图 (31)图19知识融合领域各国知名学者迁徙图 (32)图20知识融合领域全球知名学者h-index分布图 (32)图21知识查询与推理领域全球知名学者分布图 (39)图22知识查询与推理领域全球知名学者分布统计 (39)图23知识查询与推理领域中国知名学者分布图 (39)图24知识表示与推理领域各国知名学者迁徙图 (40)图25知识查询与推理领域全球知名学者h-index分布图 (40)图26知识应用领域全球知名学者分布图 (46)图27知识应用领域全球知名学者分布统计 (46)图28知识应用领域中国知名学者分布图 (47)图29知识应用领域各国知名学者迁徙图 (47)图30知识应用领域全球知名学者h-index分布图 (48)图31行业知识图谱应用 (68)图32电商图谱Schema (69)图33大英博物院语义搜索 (70)图34异常关联挖掘 (70)图35最终控制人分析 (71)图36企业社交图谱 (71)图37智能问答 (72)图38生物医疗 (72)图39知识图谱领域近期热度 (75)图40知识图谱领域全局热度 (75)表1知识图谱领域顶级学术会议列表 (10)表2 知识图谱引用量前十论文 (56)表3常识知识库型指示图 (67)摘要知识图谱（Knowledge Graph）是人工智能重要分支知识工程在大数据环境中的成功应用，知识图谱与大数据和深度学习一起，成为推动互联网和人工智能发展的核心驱动力之一。

《大模型时代的基础架构》读书笔记目录一、内容描述 (2)二、大模型时代的挑战与机遇 (3)2.1 大模型带来的挑战 (5)2.1.1 计算资源的限制 (6)2.1.2 数据隐私与安全问题 (7)2.1.3 模型可解释性与透明度 (9)2.2 大模型带来的机遇 (10)2.2.1 新算法与新架构的出现 (11)2.2.2 跨领域合作与创新 (12)三、大模型时代的基础架构 (14)3.1 硬件架构 (15)3.1.1 GPU与TPU的发展与应用 (16)3.1.2 其他硬件技术的发展 (18)3.2 软件架构 (19)3.2.1 深度学习框架的功能与特点 (21)3.2.2 软件架构的可扩展性与灵活性 (22)3.3 优化与加速 (23)3.3.1 模型压缩技术 (24)3.3.2 知识蒸馏技术 (26)四、大模型时代的基础架构发展趋势 (27)4.1 技术融合与创新 (28)4.1.1 硬件与软件的融合 (29)4.1.2 多种技术的综合应用 (31)4.2 用户需求与市场导向 (32)4.2.1 用户需求的变化 (34)4.2.2 市场导向的影响 (35)五、结论 (37)一、内容描述《大模型时代的基础架构》是一本关于人工智能和深度学习领域的重要著作，作者通过对当前最先进的技术和方法的深入剖析，为我们揭示了大模型时代下的基础架构设计原则和实践经验。

本书共分为四个部分，分别从基础架构的概念、技术选型、部署和管理以及未来发展趋势等方面进行了全面阐述。

在第一部分中，作者首先介绍了基础架构的概念，包括什么是基础架构、为什么需要基础架构以及基础架构的主要组成部分等。

作者对当前主流的基础架构技术进行了简要梳理，包括云计算、分布式计算、容器化、微服务等。

通过对比分析各种技术的优缺点，作者为读者提供了一个清晰的技术选型参考。

第二部分主要围绕技术选型展开，作者详细介绍了如何根据项目需求和业务场景选择合适的基础架构技术。

数据库技术•Data Base Technique数据驱动模式下的科技资源生态系统精准服务文/方少亮本文介绍数据驱动相关背景，摘结合科技资源生态系统的特点与要问题，釆用数据工厂模式，构建■科技资源数据工厂，建立实时试错的数据探索环境、对混合数据检索技术、供需对接技术、精准推荐技术等方面进行研发，挖掘科技资源数据的隐藏价值，解决科技资源供需双方的精准服务问题，降低寻找科技资源的成本。

【关键词】数据驱动科技资源生态系统精准服务1数据驱动的背景大数据是信息化发展的新阶段，随着信息技术和人类生产生活交汇融合，互联网快速普及，全球数据呈现爆发增长、海量集聚的特点，对经济发展、社会治理、国家管理、人民生活都产生了重大影响。

IT时代的技术发展，降低了信息处理成本，事务处理更有效率。

互联网时代，主要解决了空间问题，降低了交互成本。

大数据时代，聚焦在如何解决信息爆炸问题，如何降低寻找知识的成本。

马云在世界互联网大会曾说过：第一次技术革命释放了人的体力，第二次技术革命释放了人的距离，这次技术革命将会释放人的大脑。

在信息时代，主要的模式为业务驱动，也就是通过业务特征T专家驱动T以人为主，属于业务经验型，关键的瓶颈就是人。

而在数据时代，主要的模式为数据驱动，数据驱动意味着以数据为核心，将数据资产梳理清楚，对之进行集成、共享、挖掘，从而发现问题，驱动创新。

数据是最客观的，是最清晰的，数据能够帮助管理者化繁为简，透过复杂繁芜的流程看到业务的本质，更好地优化决策。

数据驱动的表现主要是数据特征-数据驱动-以数为主，核心解决的就是如何从数据中挖掘知识，降低寻找知识的成本。

2科技资源生态系统科技资源是指从事科技活动的人力、物力、财力以及组织、管理、信息等硬、软件要素的总称，它不仅包括仪器、设备等，还包括实验材料、实验方法、科学实验数据和科技人才。

科技资源生态系统指在一定的空间内，科技资源与各种创新主体构成的统一整体，在这个统一整体中，科技资源与各创新主体之间相互影响、相互制约，并在一定时期内处于相对稳定的动态平衡状态。

知识图谱基于金融租赁产业方向的分析与建议作者：司元成温珂朱妍霍方柏来源：《时代金融》2021年第24期互联网高速发展带来的是数据井喷式的增加，如何从海量的数据中获取有效信息成为金融机构需要面对的挑战。

在此背景下，知识图谱开始崭露头角。

知识图谱作为大规模知识工程，涉及到数据库、自然语言处理、知识表示、机器学习、深度学习等相关学科，在金融机构业务应用领域具有十分广泛的应用前景。

本文简要分析了行业知识图谱（Domain-specific Knowledge Graph，DKG）落地金融租赁领域时可能遇到的问题，并基于业务层面给出相关分析与建议。

作为一种用图模型来描述知识和建模与世界万物之间关联关系的大规模语义网络，知识图谱支持非线性、多层次、高阶关系的分析，帮助查询端实现理解、解释和推理的能力，而这正好满足金融租赁业务过程中对大量结构化或非结构化数据知识的需求，因此，如何有效构建基于金融租赁行业业务方向的知识图谱，对于提升金融租赁行业的工作效能而言至关重要。

知识图谱（Knowledge Graph）是一种基于图的数据结构，由节点（Point）和边（Edge）组成。

在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。

知识图谱是关系的最有效表示方式。

通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）连接在一起而得到的一个关系网络。

知识图谱提供了从“关系”的角度去分析问题的能力。

实体是知识图谱中最基本元素，不同的实体间存在不同的关系。

每个实体可用一个全局唯一确定的ID来标识，每个属性—属性值对（attribute-value pair，AVP）可用来刻画实体的内在特性，而关系可用来连接两个实体，刻画它们之间的关联。

简而言之，知识图谱是一种用图模型来描述标的产品和标的属性之间相互关联关系的技术和方法。

结合具体实例，参考天眼查的企业图谱或者股权结构图谱，其更倾向于一种以图数据库的形式展现知识内容，并不涉及到知识推理和知识应用的相关过程，而是更多的聚焦在知识抽取和知识融合层面，提供更多的方向是知识展示，而非内容推导和判断，具体的决策过程，更多是由查询机构基于已有先验知识进行主观判断后得出的结论，所以从某种意义上说，我们所要构建的金融租赁行业知识图谱，是结合行业内特定知识属性的图谱，可以理解为是在基础知识图谱的基础上，添加上行业特定的属性关系以后，一种基于租赁这个垂直领域的图数据库（Graph Database）。