店场网新业务：为机器学习提供知识图谱数据集

当前国内外互联网巨头纷纷押宝人工智能，都在高举人工智能的旗帜奋勇前进。未来人工智能将要切入各种应用场景，人工智能将携手大数据重新定义未来世界。店场网不能袖手旁观当看客，要争取在人工智能主演的下一幕大戏中当最佳配角。店场网是产业互联网大潮中涌现的新物种，是特定行业对接AI平台服务商，为两化深度融合广度连接搭台架桥。店场网在产销两端为人工智能采集大数据，为全行业构建体系化知识图谱，为机器深度学习提供标签数据集。

互联网巨头手中的大数据拥有量虽然很大，但是与自身需求相比仍然远远不能满足，远远不能满足构建云端云大脑的需要，远远不能满足饲喂终端智能狗的需要。对于将要渗透应用各行各业的AI需要来说，绝大部分价值数据尚深埋地下未开采出来，手中现有数据只是九牛一毛而已，充其量只能满足机器深度学习训练试验的需要，在人工智能出兵进军各行各业之际，需要“对接AI平台服务商”出马助一臂之力。

店场网定位为对接AI平台服务商。在大数据云计算人工智能时代，已经捷足先登抢先定义了餐连网这一特定领域，已经占领了餐饮o2o这一高频刚需山头领地，在餐饮O2O领域排兵布阵进行了大数据布局，进行了产业知识图谱的设计构建。有了知识图谱就可以大量复印衍生数据，积累形成数量巨多的大数据集。店场网为人工智能提供的是体系化数据集，不是杂乱无章的数据堆，能够让专业人工智能应用有针对性，不至于陷入老虎吃天无从下口的窘境。

1、为店场网行业构建体系化知识图谱

大数据矿石开采同油田煤矿开采是一个道理，要根据储藏量大小来确定有无开采价值。只有含金量高储藏量大的矿石才拥有开矿价值。店场网是一个具有高频刚需价值的特定领域，是储藏量巨大具有垄断性数据价值的特定领域，是一个人工智能能够大显身手的特定领域。店场网知识图谱对数据进行结构化处理，对数据进行了分类和分层处理，给数据安排了位置，分配了角色。让数据们对号入座各就各位。在知识图谱框架下，数据集里面是定义明确的大数据，是具有特定意义用途的价值数据，是经过选择过滤剥离了无用噪音的数据，是经过标签化处理可识别能连接的数据，是体系化大数据，是不断实时更新的流动性大数据，是能够被网络化快速处理的大数据，是能够被智能化应用的大数据。

产业知识图谱是一个特定行业的体系化知识库，将特定领域知识进行结构化处理，成为这个特定行业的产业互联网化知识地图，可以将产业知识图谱比喻成原著长篇小说，原著小说已经把历史背景、故事情节前因后果叙述得一清二楚，已经把人物关系来龙去脉介绍得明明白白。原著小说为改编成电影电视剧等衍生作品提供了基础。知识图谱也包含了原创剧本，剧本是各种戏剧的一剧之本。戏剧中人物之间的关系，每个人物分别说什么话，有什么唱段和台词。每一人物有什么行为动作，什么时候说什么话，做什么事，都有场景设计规定的，剧本已经设计好了的。

知识图谱是特定行业两化融合工程的总体设计，是在对行业本质规律理解基础上创作出来的。“店场网站群”是一个产业知识图谱，在知识图谱的体系框架下构建体系化大数据集，已经按照体系框架结构对数据进行了分类和分层处理，在分类的基础上，在类别内按辈分关系划分层次，采取虚拟化方式建立模型，在体系框架建立起来之后，将产业模式与现场实际进行结合，发展起一个扩大化的数据集。在店场网等对接AI平台服务商组织下，采取视频、语音、图像、文本等多种多样数据形式建设数据集，推进数据量指数级增加，使数据集规模不断扩大。满足人工智能在数量上对数据的需求。(搜索“店场网站群”了解详情)

2、为机器深度学习提供训练数据集

店场网是对接AI平台服务商，承担为人工智能提供体系化数据集的重要任务。产业数据集是特定行业企业互联网化的施工设计图，是为机器深度学习提供的训练数据集。体系化数据集反映了数据之间的各种关系，上下左右关系，来龙去脉关系，产业链之间节点之间关系，产业生态圈内各个链条之间的逻辑关系等等。在设计体系化数据集的时候，就已经对这些数据进行了分类和分层处理，就构建了体系框架结构，对各个节点数据关键词都加注了标签进行标记，应用标签标注了类别，应用标签标识了层次，标签代表了关键词的特征，体系化标签定义了标签之间的结构关系，为机器深度学习提供了极大的方便，可以加快对接AI工程进度，使人工智能能够尽快开花结果。

店场网平台对行业所有数据进行了结构化处理，从顶层设计方面对行业数据进行了分类，在底层设计方面对分层数据进行了细化。按照逻辑关系在节点间进行连接，构建成为体系化数据集。由于数据集里面所有数据都进行了分类分层处理，数据之间建立了关系网，由产业知识图谱提供导航路线图。帮助智能狗进行机器深度学习。标签化数据通过交互交易嵌入应用到实体产业体系当中，能够不断实时更新形成数据流。能够描述所对应的实体即时化状态。人工智能主要功能就是搜索连接调度匹配，由于对产业链节点数据已经加注标签，重要节点都添加了标签编码号，在云端由云大脑进行搜索连接匹配，在终端由智能狗进行联络接洽。

3、从1到N扩大数据集规模数量

为防止店场网行业数据被淹没在大数据的汪洋大海之中，店场网平台构建了标签数据集，标签数据集如同百家姓，每个中国人都能够在百家姓这个标签数据集里找到自己的姓氏；还如同化学元素周期表，每一物质的化学结构式、反应式都必须用化学周期表标签集里的元素来描述。店场网平台是特定行业的数据源头，是位于产业链源头上游出口处的源数据。标签数据是种子数据，用少量种子就能够种植出一片庄稼，用少量苗木就能够栽植出一片树林。标签数据也是部队里领兵打仗的各级军官，由少数班排长连营团长就能够带起一支庞大队伍。店场网对这些带标签的小数据实行开源共享，在交易交互过程中进行传播扩散。这些带标签的小数据扩散传播出去之后，就成为广泛覆盖数量众多的大数据。

店场网对节点数据加注标签，为保证标签具有唯一性特征，将标签词注册成为商标，为产业数据集构建了壁垒护城河。在大数据云计算人工智能时代，商标拥有了多维度的价值意义。在实体产品层面，商标是产品或服务的品牌。在虚拟数字化内容产品层面，商标是可识别能连接通讯的标签。商标应用词不仅拥有商标权，还同时拥有著作权方面的知识产权。采取水印方式把商标应用词放在照片上就是著作权，采取字幕方式把商标应用词放在视频上就是版权，商标应用词在产业生态系统场景下还是话语权。

店场网产业链成员在交互交易过程中要使用标签化数据，在社交网络交互时也要使用标签化数据，将标签应用到文本、视频、语音、图像等各种数据形式之中。由于这些标签数据是交易大数据，还是交互大数据，产业链成员交互时利用的是标签数据，店场网平台产销之间交易数据也使用了标签数据，可以滚雪球不断发展增多，可以采取文本、视频、照片、语音多种数据形式，数据集能够采取指数级迅速增多扩大至海量巨型。这种方式既解决了大数据的质量问题，也解决了大数据的数量问题，成为训练智能狗深度学习的优质数据。

 
相关链接：