暂无搜索历史
上一篇我们说"换表只改映射"。这一篇把坑填上:R2RML、OBDA 虚拟映射、ETL 物化三条路线,各自怎么翻车,选型该看什么,换表那天到底发生什么。
建模锚点之争:为什么锚点必须是业务对象,数据表该待在哪一层,以及一套能直接拿去用的五层参照系。
从"让 AI 自动生成本体",到"用本体约束 AI"。72 小时内的 9 篇论文与 6 个项目,同时指向一个转折。
一个开源项目,把"AI 智能体的开源版 Palantir"变成了现实。它给本体工程上的这六课,值得每个做知识底座的人读一遍。
4 条信号指向同一件事:多路检索 + 图遍历 + 层级结构,正在成为企业 RAG 的默认答案;大厂也开始用轻量本体给显式知识背书。
要谈「本体系统进行本体建模的规则提取」,首先需要把三个层层嵌套的概念厘清,它们分别对应知识的容器、知识的建模过程、以及知识中最难获取的「规则/公理」部分。
企业级问数与学术基准(Spider、BIRD)最大的差异在于:真实企业 schema 高度规范化、多表关联、充满业务口径(KPI/指标)。LLM 在零样本下直接...
这一周,本体+AI 赛道同时撞上两个拐点:一边是制度建设——本体建模首个"国标"8月1日实施;一边是产业共识——首份《本体智能研究报告》发布、华为/中国电子云/...
① 向量库、知识图谱、本体,本质区别到底在哪; ② 为什么"86% vs 32%"这个数字,坑了很多人; ③ 企业落地,该按什么顺序搭,才能不重蹈那个 CTO ...
三个人吵了四十分钟,最后发现:谁都没错。营销部算的是"登录过任意页面的UV",产品部算的是"完成核心操作的用户",财务部算的是"有付费行为且登录超过7天的用户"...
上期聊完向量检索那点事,后台一下子涌进来几十条留言。最让我心头一热的是好几位私信:「你这套数据底座,怎么不用 Lance?」说真的,在被你们「安利」之前,我对 ...
七年后的今天,我再看这张图,突然意识到一件事:这张图上的每一层,已经被 Apache 开源标准一块一块吃掉了。
我做的第一件事不是转发新闻。是从硬盘深处翻出 2019 年那份被甲方毙掉的本体方案,看了一遍。
还在跑,还占着 GPU,但没人知道它在干嘛、有没有人在用。最狠的一个,三个月前接口就调不通了,下游三个 Agent 照调不误,吐了一整季的错数据,等发现时月结已...
用标准 RAG 管道——文档切片、embedding、top-10 检索、拼接 prompt、喂模型。第一周的效果:能答,但答不对。
2023年开始,"数据中台"这个词就不怎么有人提了。有人说它死了,有人说它烂尾了。我的判断是:它没死,只是期望值回归了。真正有意思的是它的下一代,我管它叫"AI...
7月刚摸到一份 PDF——GB/T 48000.3-2026《标准数字化 第3部分:本体建模要求》,2026-08-01 就要正式实施了。
我翻了一下他们的知识库结构就明白了。三千多篇文档,彼此之间没有任何链接。一个"客户"的概念,在需求文档里写过一遍,在数据字典里又定义了一遍,两处还不一样。AI ...
先交代一个有点丢人的事。我刚搭这套本体驱动 ERP 的时候,第一版本体文件里真的写了这么几行:
先讲个真事。有段时间我总觉得供应链风险传导的结果不对劲——明明只是一家供应商出问题,系统却推导出五六个项目受影响。翻了半天才发现:系统把两家不同的"鑫达"当成同...
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市