三大要素 核心理念 独家技术积累 |
三大要素
利用新技术进行复杂决策质量提升，本质是利用先进技术对决定决策质量的三大要素（信息质量、模型质量、人的权变）进行全面升级并实现有机统一。
——
1、信息质量提升：通过完善细致的数据治理技术（如异构数据融合、极端值科学处理、缺失值合理补充、数据无缝更新等）与信号提取&组合技术，来对数据质量进行极大提升。
2、 模型质量提升：利用自动化&智能化多因子归因、深度学习多因子预测、机器学习异常值/异常模式识别等多种人工智能算法所擅长的高维拟合求解能力，来解决人很难理解和解决的高维（数据变量多）、非线性参数估计和方程求解问题，大幅提升人的洞察力。
3、人的权变：计算机算法有强大的高维数据拟合求解能力，但高级决策分析需要解决的问题往往是开放环境下的复杂问题，而不是类似“下棋”一样封闭规则环境下的最优化问题，而人的主观权变判断能力往往起到不可替代的“随机应变”作用，因此为“驾驭”强大生产力工具的人提供易用、无门槛的交互工具意义重大。瑞泊通过垂直域具有推理能力的智能问答、点击&拖拽式的交互可视化工具建模等高级工具帮助人的权变能力发挥主导和驾驭作用。
核心理念
——
独家技术积累
——
瑞泊决策智能系统核心优势
自然语言处理 知识工程 机器学习 |
自然语言处理
——
以深度学习算法和神经网络为基础的自然语言处理模型，解读海量文本和图像，精准提取目标信息。瑞泊研发的Auto ML技术框架可以大幅提升特征工程、知识工程自动化程度；高性能计算技术显著提高NLP算法开发及实验效率，支撑算法效果和效率的持续优化和突破。
知识工程
——
面向垂直行业，结合业内专家知识、企业内部多源异构的碎片化知识和集体智能，引领从大数据分析到知识工程再到企业专属智慧系统的研发和落地应用。
以双向循环神经网络、条件随机场为核心模型，通过垂直域语料库构建、实体识别、关系抽取来构建垂直域知识图谱，实现智能推理与知识服务。
机器学习
——
瑞泊在研发基于人工智能技术的复杂经济、金融分析系统过程中，成功应用了逻辑回归、梯度下降、神经网络等机器学习算法，系统性地解决客户的数据综合治理和深度分析洞察难题。
技术方面尤其擅长高度自动化的知识图谱构建及利用机器学习、深度学习算法结合深度业务逻辑进行预测，可以为各大金融机构提供高度定制化的“多元异构大数据融合中台”、“智能投资”、“智能投顾”、“异常模式识别”、“场景模拟式分析”、“深度学习预测”等一揽子前沿技术落地应用解决方案。
瑞泊（XrayBot）人工智能技术核心研究方向
知识产权
中国科学院技术合作
|
|