DataArts业务目标驱动的AI本体构建｜贺张俭-AiDD深圳站2026

议题提交

确业目标驱动的 AI 本体构建：DataArts 的人机协同与增量演进探索

2026.11.20 · 深圳湾万丽酒店

演讲嘉宾：贺张俭 · 华为云智能数据决策高级工程师

时长 60分钟

所属论坛：本体论与知识工程

贺张俭

华为云智能数据决策高级工程师

内容简介：

企业业务知识分散在数据表、文档和人员经验中，将其转化为可用本体，需要同时处理业务概念建模、实例抽取和后续维护。本分享结合 DataArts 的产品设计与原型探索，讨论业务目标如何指导本体构建，模型结构与实例数据如何协同校验，以及如何通过来源追溯和人工审核确认生成结果。围绕设备服务场景，重点剖析结构化业务事实与文档知识的关联方式、参考 Schema 与既有模型约束的区别，以及新增资料进入后模型稳定性与扩展需求之间的取舍，并提出从业务问题覆盖、人工修正成本和增量一致性评价构建质量的方法。

演讲提纲：
1. 业务目标与建模范围（5分钟）：以设备服务场景说明原始资料如何转化为业务概念，讨论不同任务下的模型范围、粒度与共用概念。
2. 模型结构与实例协同构建（12分钟）：从候选类型、属性和关系生成，到模型确认与实例抽取，讨论参考 Schema、既有模型约束和实例反馈的作用。
3. 结构化事实与文档知识融合（13分钟）：区分具体设备与设备型号、已发生事实与一般规则，分析跨来源对象对齐、关系表达和适用条件。
4. 人工审核与增量演进（15分钟）：结合构建与审核原型，讨论生成依据、语义修正、新增概念复用，以及既有模型稳定性与知识扩展的取舍。
5. 构建质量评估与经验总结（5分钟）：提出业务问题覆盖、人工修正成本和增量一致性的评估方法，梳理设计边界与待验证问题。
另留5分钟问答。

听众收益：
1. 获得业务目标驱动的本体构建方法，理解模型结构与实例数据的关系，判断参考 Schema、既有模型约束和人工确认各自的适用位置。
2. 获得结构化业务事实与非结构化文档知识融合的设计参考，识别对象粒度、事实与规则、来源依据及适用条件等关键问题。
3. 获得本体审核、增量维护与质量评估的检查要点，能够从业务可用性和人工修正成本评估 AI 辅助构建方案。

华为云智能数据决策高级工程师，参与智能数据决策平台与 AI 辅助研发相关工作，关注本体建模、企业数据与知识融合及智能体应用。Apache BookKeeper、Apache ServiceComb PMC 成员，Apache Pulsar、ApolloConfig Committer，openGemini Maintainer。曾在 Community Over Code Asia 分享数据与 AI 平台、规约驱动开发及高可靠消息服务等工程实践。