金融行业下的智能知识图谱是什么样的？

文章摘要：知识图谱 (Knowledge Graph)本质上是一种用来快速表示客观世界中概念实体之间关系的大型语义网络。伴随着人工智能的飞速发展，知识图谱技术已经具有了落地和商业化的能力，越来越多的企业，引入知识图谱技术解决了企业内部的数据分析与挖掘问题，并取得了很好的效果。

知识图谱 (Knowledge Graph)本质上是一种用来快速表示客观世界中概念实体之间关系的大型语义网络。伴随着人工智能的飞速发展，知识图谱技术已经具有了落地和商业化的能力，越来越多的企业，引入知识图谱技术解决了企业内部的数据分析与挖掘问题，并取得了很好的效果。

就金融行业来说，企业中保存了大量的数据，从技术上可以分为结构化数据、非结构化数据、半结构化数据。

现在在企业中使用最多的是结构化数据，即数据库中存储的数据。半结构性数据和非结构化数据(例如各种办公文件、文本、图片、语音等)，多数企业只是作为知识库存档，并未被利用，这部分数据蕴涵了许多有价值的信息，如何利用它们提炼出有价值的信息成为当前企业的痛点。利用前沿深度学习、光学字符识别、自然语言处理等技术，快速挖掘非结构化、半结构化数据，找出它们存在的关联关系，提炼价值信息，稳定、可靠地解决行业面临的问题。

在金融领域的主要应用包括：智能风控、智能投顾、智能投研、智能客服、智能舆情分析、智能营销等。

银行风控主要包括信贷审批、额度授信、信用反欺诈、异常交易行为发现、客户关联分析、风险定价等业务场景。

智能客户服务主要包括机器人对话、智能问答、智能推荐等业务场景。

一/智能投研包含了上市公司研报、公告数据分析挖掘、企业工商信息、业绩信息、董事会高官、产品、产业链分析等业务场景。

根据市场调查统计，上述金融领域的应用场景均已在各大头部银行及金融机构落地，并已投入使用。

知识图谱由 N多节点和边组成，节点代表实体(entity)，边(edge)表示关系，将节点与边关联接起来构成知识图谱。

在智能投研场景下，知识图谱的构建？

第一，要建立知识图谱，首先要查找资料。大家都知道，金融机构的投研业务依赖大量的数据分析，包括企业业绩、年报、企业信息、产品、产业链条、公司股东等数据。

在收集了这些数据后，我们就可以从海量数据中提炼出包含企业、企业产品、企业所在行业、公司的股东/董事会高、公司风险、竞品等等的知识图谱。上述一些实体可直接从结构化数据中获得(例如企业工商信息包含许多构建知识图谱的实体)，另一些则需要通过 NLP技术进行分析获取(例如企业风险等等)。

在获得这些实体后，根据业务梳理各实体之间的关联，确定知识图谱的边，例如，以企业(实体)为中心结点，向外散播，企业的股东有哪些，企业所属行业，有哪些产品/业务模式，企业竞品、竞争对手有哪些，这些属于知识图谱中的实体关系。

在此过程中，我们发现了构建知识图谱所需的实体和关系，并将企业与个体实体联系起来，形成投研领域的知识图谱。

知识图谱常与搜索和推荐产品相结合，可以解决精确搜索或精确推荐的业务场景。另外，图谱还可与产业链、企业舆情等产品结合使用。

沃丰科技AI场景落地专家GaussMind基于深度学习NLP算法，实现上传、标注数据，自定义构建模型训练，构建可视化知识图谱，将非结构化文档自动构建成知识图谱结构化知识表示，快速查找知识构建知识关联，发现未知联系，赋能企业对知识数据的多纬度利用。

》》点击免费试用智能知识图谱，优势一试便知

文章为沃丰科技原创，转载需注明来源：https://www.udesk.cn/ucm/faq/16309