背景
到2025年，企业层面上几乎80%的数据将是非结构化的。通常情况下，大量的时间和金钱被花在将数据组织成结构化的形式，如数据仓库。鉴于新内容的生成呈指数级增长，我们需要工具来直接访问和处理非结构化数据，而不是先尝试整理它们。
KaaS 知识即服务
Knowledge as a service (KaaS) is a computing service that delivers knowledge to users. In relation to KaaS, knowledge is data + context, that is, data with the addition of information that enables users’ understanding of the data - definitions and semantics - its relation to the users’ situation or the situation in which the data was produced or that which it aims to provide information about.
知识即服务（KaaS）是一种向用户提供知识的计算服务。就KaaS而言，知识是数据+内容，也就是说，数据中加入了能够让用户理解数据的信息–定义和语义–它与用户的具体情况相关，或数据产生的情况有关，以及它旨在提供信息。
KaaS（知识即服务）的实现形式之一是挖掘非结构化数据的一套服务。利用人工智能和机器学习，KaaS提取和组织相关数据，同时隐藏人工智能模型和框架的复杂性。开发人员可以围绕这些数据点快速建立和部署企业人工智能解决方案–即使他们的机器学习专业知识有限。
服务形式
KaaS服务的设计方式是，你可以只为你的业务问题使用相关的服务。这些服务可以被协调起来，以建立可扩展的、更复杂的企业级解决方案，如:
- 聊天机器人–支持来自客户、内部员工和研究分析师的查询–只需最少的培训/调整工作
- 虚拟助理–在降低成本的同时提高客户服务水平
- 研究平台–帮助分析师对大量的文件进行理解
- 搜索引擎–根据相关性快速查找文件，并总结出关键点
- 公司简介–提供市场情报（客户、问题、竞争、增长潜力等）。
- 舆论概要 - 解释舆论趋势及其背后的驱动力
客户收益
从商业角度看，客户在多个方面看到了好处。
- 进入市场的时间。一个典型的非结构化数据挖掘项目将节省25%到60%的开发时间和精力。
- 数据隐私和安全。由于该平台可以在内部托管，我们的客户可以保留对原始数据的完全控制。
- 减少培训时间。典型的采矿解决方案需要大量的培训才能发挥作用。KaaS解决方案使用转移学习，以最小的努力获得合理的准确性。
- 可扩展性。最先进的KaaS平台使用Docker进行容器化，可以部署在企业内部或不同的云平台上。
KaaS的服务组合使自然和非结构化的语言变得有意义，因此它可以被结构化和操作化。我们的工具可以解决模棱两可的术语，识别预期的含义（当它们与字面意思不同时），评估说话人或作者的情感状态，对短语和概念进行分类，并识别语义关系。
有了对文件或网站内容的这种透彻理解，KaaS训练聊天机器人和搜索引擎尽可能地接近人类的方式来处理这种语言–对细微差别和上下文的倾听。这有利于与人工智能解决方案进行更自然和流畅的互动，并提高工作流程的准确性。
KaaS服务包括
- 机器理解
- 文档标记器
- 实体消歧义
- 释义检测
- 节段提取
- 关系提取
- 自然语言到结构化查询语言
- 核心参考解析
- 答案的语义排序
- 主动学习
- 文本分类
- 问题理解
- 情感分析
KaaS消除了机器学习的复杂性，因此其服务可以很容易地被集成到更大的应用架构中–加速了价值实现的时间。由于服务可以在云端或本地部署，企业可以保护他们的数据，确保他们遵守法规或政策。
