本篇为漫谈金融科技系列文章之一。前几篇讲了金融科技的范畴和定义,以及大数据对金融科技的影响,这一篇阐述" />

互联网一站式seo推广服务
深圳seo|seo优化|seo推广|seo技术|网站建设

免费咨询热线:135-3750-8394

知识图谱是什么,能解决金融行业什么问题?

日期:2019-07-19 SEO优化

seoimg.zcit/20190708/83d684bfbc29c0917c9f4b646a997a36.jpg" style="width: 600px; height: 389px;" />

本篇为漫谈金融科技系列文章之一。前几篇讲了金融科技的范畴和定义,以及大数据对金融科技的影响,这一篇阐述知识图谱和金融科技之间的关系。

 

这是新鲜概念吗?

不必纠结为什么知识图谱突然火的问题,一项技术的应用总有它的生命周期;在不同的时期有不同的概念,不同的内涵和外延。

 

知识图谱的前身与上世纪60年代的语义网络、70年代的专家系统密不可分,都是人工智能概念的一局部,是实验室里的黑盒式研究。

 

这些脑洞大开的科学家们想解决什么问题?

 

如果说让机器利用大数据的方式处理问题,会使之更趋近于人脑;那么,利用知识图谱,就可以真正做到让机器读懂真实世界,通过分析、挖掘数据为人类的决策提供支持。

 

知识图谱背后包含很多技术,国内外研究侧重不一样。国外首先用它解决信息过载问题,因此知识图谱最广泛的应用领域在搜索。而国内科学家们在“产学研用”道路上做了很多实践,更关注用技术解决现实世界的问题。百度也在2014年正式上线百度知识图谱。

 

虽然国内外对知识图谱的定义不相同。但公认的是,知识图谱的本质是知识关联。形象的说,这种知识关联是由“节点”和“边”组成一个数据构造。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。比方现实世界中,人、车、手机号等实体对象可简单抽象为一个个实体点,两个实体之间的“关系”用一条线来表示,这就是所谓的“复原现实世界”。

 

这种知识关联,人类可能搞不清楚,可能会犯错,但机器不会;也许人类的经历会失效,但客观世界的关系永远符合逻辑。

 

也因此,知识图谱历经了四五十年的开展,终于走出实验室。可以说,现在正是知识图谱全新复兴的时代。这有点像人工智能的开展,历经前两个历史阶段,最终在条件成熟之下全面爆发。

 

 

 

所以,只要现实世界的问题被复原,形成逻辑关系,才能被真正解决。从这个角度来说,知识图谱更是一种解决问题的方法论。

 

解决金融行业什么问题?

为什么各个行业突然敞开怀抱拥抱它?这是因为,传统行业的自有数据远远不能刻画出复杂又随时变化的真实世界。

 

在该领域最让人津津乐道的可能要算Platantir科技企业的传奇故事了。它通过线下刷卡、银行转账、犯罪记录等数据建立了知识图谱,不仅发现了纳斯达克前主席麦道夫(Bernie Madoff)的“庞氏骗局”,还帮中情局找到了大量基地组织和塔利班高层,并找到了本拉登的藏身地。

 

当这些让人震撼的案例一件件摆在眼前后,智能金融知识图谱领域受到了极大关注。

 

回忆FinTech行业的开展,过去三四年大家称之为为金融科技,随着知识图谱等人工智能技术的应用,甚至出现了智能金融提法,都属于FinTech的一局部。

 

这种开展似乎代表了 FinTech 的上半场和下半场。

 

在金融行业走入信息化、进入大数据时代,上半场重点在提高效率,即如何突破既有的数据使用形式,更高效、精准、迅速地获得数据带来的价值。

 

而下半场进入智能化后,新的商业形式应运而生,产生重构式革新。这时期的重心更多的是由知识图谱等人工智能技术来支持。未来几年金融行业的重点之一便在于此,利用基于关联关系的知识图谱概念,可以突破现有的关系型数据库的限制,在金融行业中让数据发挥更大的价值。

 

金融领域的场景应用

在重构金融行业业务流程过程中,知识图谱的应用场景很多。

 

众所周知,金融行业两大核心业务是:营销和风控,即最大限度的获取更多的营销收益,并在充满风险的市场上做好风控管理。这些业务核心,都离不开用户本身的个人信息和数据。

 

比方在精准营销上,百度营销云不仅可以挖掘潜在客户:基于现有银行客户建立社交网络知识图谱,根据不同的交往方式和频次定义图谱建立关系模型,对客户的亲属、朋友、同事、同学、生疏人等停止相关的社交挖掘从而评估关系严密度;

 

因机器更能读懂客户,还可以深挖客户潜在需求,针对他们的特点推送相关产品。甚至针对企业级客户,还能分析企业级客户的资金关系、法人关系、上下游投资关系、相似企业业务关系等,为企业推荐适宜产品、效劳。

 

在风控上,当金融与互联网发生关系后,动辄数额宏大的风控事件让业内人仍心有余悸,不敢有丝毫懈怠。只有通过知识图谱,把其中隐含的关系网络梳理清楚,同时从时间、空间多维角度停止分析,才能识别潜在的风险,防止用户薅羊毛。

 

在这场革新中,百度云金融行业云在帮助金融机构建立事前预防、事中预警、事后分析行动的全方位风险控制体系,在预测和资讯领域也有非常好的尝试。

 

比方潜在风险行业预测:基于多维度数据,识别某一行业发生了行业风险或高风险事件,就可以及时预测未来有潜在风险的关联行业,金融机构从而可以对此风险做出预判并躲避风险。

 

尤其是当前国家层面都非常重视的预防系统性金融风险,通过建立客户、企业、行业的知识图谱,也可基于对行业的潜在风险预测,及时发现行业风险、系统性风险相关联的企业客户。

 

就像知识图谱最先应用于搜索,在资讯上同样适用。传统的搜索结果基于网页端,搜索引擎不知道含义只能罗列出和目的关键词匹配的页面地址。知识图谱可以理解用户的阅读兴趣和理解资讯内容,并对二者停止匹配,从而为用户停止“智能推荐”。

 

可以说,只要有知识图谱这一“利器”,找到更多场景化的产品应用,就能将金融科技推到一个新高度。

 

知识图谱的应用离不开ABC基石

知识图谱为什么开展了几十年,现在才成为了网红的问题。

 

除了知识关联的本质贴合了智能金融等行业业务场景,很重要的一点还在于云计算、大数据等相关技术的成熟开展。

 

也就是说,为了能让智能金融知识图谱库发挥高效的作用,还需要建立在ABC完整的技术架构上。

 

云端数据效劳正在成为趋势,无论是知识图谱库的构建、持久化存储,还是对目的知识的高效检索和分析,都离不开云计算和大数据技术的底层技术支持。

 

百度云提出ABC技术驱动cloud2.0,而坐拥亿级实体、千亿级事实的百度知识图谱库,无疑将加速进入智能金融的主场。


转载请注明本文地址:互赢网络建站优化专注于深圳网站建设与网络推广自然排名网站seo优化技术 https://seo.zhangyongmi.cnhttps://seo.zhangyongmi.cn/19211.html