《高斯数据库联姻知识图谱，解锁语义理解与关联分析新境界》
高斯数据库结合知识图谱技术，实现数据的语义理解和关联分析。通过实体识别、关系抽取和语义建模，精准解析文本中的实体及其关系，如“华为”与“苹果”的竞争关系。知识图谱助力多源数据融合，挖掘复杂关联，支持实时决策。应用案例包括医疗领域的疾病诊断和药物研发，提升数据处理效率和准确性。这一创新解决方案为企业数字化转型提供强大支持。
《知识图谱：鸿蒙NEXT中人工智能的智慧基石》
在鸿蒙NEXT系统中，知识图谱技术作为智慧基石，大幅提升语义理解、智能决策、个性化推荐及安全性。它通过结构化知识表示，增强小艺助手的语义解析能力，优化智能家居、出行等场景的推理与决策，精准推送用户感兴趣的内容，并实现多设备间的知识共享与协同，同时提高系统的可解释性和数据安全，为用户提供更智能、高效、个性化的交互体验。
蓝凌aiKM，双能驱动场景变革：蓝凌知识管理平台和通义千问共建实践
蓝凌aiKM通过双能驱动场景变革，结合蓝凌知识管理平台与通义千问大模型，助力企业构建智能“大脑”。aiKM不仅提升知识管理效率，还赋能业务场景，如新人培训、营销支持和流程优化。蓝博士产品整合专属内容与大模型能力，提供智能搜索、问答及推荐服务，帮助企业高效利用私域知识资产，推动数字化转型。蓝凌在AI时代致力于激活企业新生产力，打造知识护城河，成为核心竞争力。
muAgent v2.2版本发布，支持ekg-sdk使用
CodeFuse-muAgent 是一款创新的 Agent 框架，将知识图谱（KG）直接升级为 Agent 编排引擎。它基于大语言模型（LLM）和事理图谱（EKG），结合多智能体、工具学习等技术，通过拖拽式画布和轻量级文本编辑，实现复杂 SOP 流程的自动化。支持复杂推理、在线协同、人工交互和即时知识应用。该框架已在蚂蚁集团多个 DevOps 场景中成功落地。
本地部署企业级自适应 RAG 应用的方法与实践
本文介绍了本地部署企业级自适应RAG（Adaptive Retrieval-Augmented Generation）应用的方法与实践。RAG结合信息检索与文本生成，广泛应用于问答、编程等领域。自适应RAG通过分类器评估查询复杂度，动态选择无检索、单步检索或多步检索策略，优化生成结果。其特点在于灵活性和适应性，能够根据输入情况调整检索和生成策略。核心技术包括检索策略的自适应、生成策略的自适应以及模型参数的自适应调整。通过实战，深入了解了RAG的工作原理和应用场景，并获得了宝贵经验。
CIKM 2024：两位本科生一作，首次提出持续学习+少样本知识图谱补全
在信息爆炸时代，知识图谱的构建和维护面临数据稀疏与动态变化等挑战。CIKM 2024会议上，两位本科生提出将**持续学习与少样本学习结合**的新方法，有效应对这些难题。该方法通过持续学习框架适应动态变化，并利用少样本学习提高数据稀疏场景下的补全效果，显著提升了知识图谱的完整性和准确性。实验结果表明，此方法在准确性、鲁棒性和泛化能力上均有显著优势，为知识图谱补全领域带来了新思路。
《词嵌入技术：开启文本理解的大门》
词嵌入技术是自然语言处理的重要工具，Word2Vec和GloVe是两种常见模型。Word2Vec基于神经网络，通过上下文预测学习词向量，有CBOW和Skip-gram两种训练方式；GloVe则通过全局统计分析构建词向量，利用矩阵分解捕捉词的共现关系。两者在训练方式、词向量表示及应用场景上各有优势，可根据需求选择或结合使用，推动NLP技术发展。