愛數正式開源認知智能開發框架 KWeaver
InfoQ 獲悉,9 月 16 日,愛數正式開源了認知智能開發框架 KWeaver。
KWeaver 名稱中,K 代表的是 Knowledge 知識,Weaver 代表編織者,意為將所有領域知識編織在一起,從而實現領域認知智能。
據悉,KWeaver 脱胎於愛數認知智能框架 AnyDATA Framework 2,具有快速的開發能力、全面的開放性、高性能等特性,以成熟的數據知識化方法論和系列認知智能應用組件賦能數據科學家和應用開發者,以此降低領域認知智能應用開發的複雜度與人才門檻。
GitHub 項目地址: https://github.com/AISHU-Technology/kweaver

具體而言,KWeaver 面向數據科學家、應用開發者、領域專家三類用户提供三種能力。

-
快速的開發能力:KWeaver 提供可視化的知識網絡工作台,可視化的認知智能應用開發調試工具,豐富的數據加工及模型訓練工具,以及所見即所得的 API 文檔;
-
全面的開放性: KWeaver 源代碼是開源且技術透明的,這意味着參與項目的用户可以查看全部技術細節,同時還支持多元異構數據源對接,提供 SDK 兼容更多的第三方知識抽取模型,提供 API 和 Web 組件的整合方式;
-
高性能:KWeaver 的開發基於雲原生技術,提供橫向擴展能力,採用分佈式的計算引擎實現海量數據接入的處理能力。
通過 KWeaver 實現領域認知驅動涉及到兩個關鍵步驟。

第一是領域知識獲取。首先建立領域認知模型,基於模型進行數據加工抽取知識,對於不同來源的數據,加工的方式也會有很大不同,部分數據可以直接抽取,部分數據則需要通過深度學習模型,例如文本知識。加工完成後生成領域知識網絡。
第二是領域知識利用。基於知識網絡進行認知智能應用的開發,利用數據科學的方法開發模型,並將模型應用到推理、理解等具體場景。顯然,在數據領域認知智能並非替代原有的深度學習或機器學習,而是將兩者結合發揮更大的作用。KWeaver 也會內置很多基於深度學習的知識抽取模型。
本次正式開源前,KWeaver 已隨 AnyDATA 經歷了近 3 年的孵化和打磨,結合 AnyShare、AnyRobot、AnyFabric 等產品的能力實現諸多創新。如結合 AnyShare 在知識管理方面形成行業知識卡片、行業標籤、知識搜索等應用;結合 AnyRobot 在智能運維方面實現可持續進化的運維知識庫,以及運維中小概率事件的故障定位和根因分析;結合 AnyFabric 幫助用户更好地編織數據,以資產圖譜的形式讓用户更直觀全面的觀察和分析業務能力、數據質量等等。

- 那些 Go 語言發展歷史上的重大決策
- 從趨勢到挑戰,一站式解讀操作系統運維和可觀測性
- 百萬級 Topic,騰訊雲的 Apache Pulsar 穩定性實踐
- Apache Doris 在思必馳的應用優化實踐:海量語音通話數據下,實時、離線一體的數倉架構設計實踐
- 愛數正式開源認知智能開發框架 KWeaver
- 運維智能化的三大關鍵技術
- “抄我的還‘反捅’我一刀”,Gary Marcus 發文駁斥圖靈獎得主 Yann LeCun
- 當出海成為必選項,企業如何構建全場景全生態技術底座?
- 數智底座必備能力三:快速構建創新應用
- Docker 多階段構建實戰 (multi-stage builds)
- 工作筆記之 SELECT 語句在 SAP ABAP 中的用法總結(上)
- 經久不衰的設計定律是不要讓我思考的設計
- 不要指望下一個像 GPT 這樣的大型語言模型會民主化
- Java 近期新聞:Helidon Níma、Spring Framework、MicroProfile、MicroStream、Kotlin 和 Piranha
- 一文入門 jQuery
- C 學習 ---__libc_open 函數的原理
- 監控系統工作原理
- 甲骨文新微服務框架 Helidon Níma:使用虛擬線程實現高性能
- 【雲原生 | 從零開始學 Kubernetes】二、使用 kubeadm 搭建 K8S 集羣
- Elasticsearch 聚合學習之四:結果排序