当前位置：文档之家 › 知识图谱在中小银行的应用研究

知识图谱在中小银行的应用研究

  • 格式：pdf
  • 大小：2.21 MB
  • 文档页数：2

膝aaa鼓I Application

知识图谱在中小银行的应用研究

文II宁波银行科技部沈栋王巧燕陈波

、p年来，传统银行业经营模式受到巨 大冲击，银行数字化转型压力日益

凸显。随着金融科技创新发展日新月异，

人工智能技术的商业化应用逐渐成熟，这

为银行业尤其是中小银行提供了弯道超车

的机遇。在人工智能领域，除了机器学习、

深度学习等众所周知的技术外，还有知识 图谱这项重要的分支技术。当下，随着人

工智能技术对“让机器形成认知能力”的

不懈追求和知识工程相关技术的日趋完

善，知识图谱正逐渐成为人工智能的关键 技术之一，在学术界与工业界掀起了研究

与应用的热潮。

金融知识图谱技水带来的新价值1. 客户画像勾勒更加精准。知识图

谱将多源异构数据进行有机而便捷地融

合，不仅能真实而整体地刻画出人、事、 物的属性和联系，还可以通过图分析将潜

藏的关联性特征提取到每个相关实体，将

了无生机的字节数据还原成事物在现实世

界的本来面貌。2. 关系层次挖掘更为深远。在“六

度邻接空间”理论中，每个人都可通过一

个六度的关系进行连接。但在传统应用中，

没有有效技术支撑高深度的关系分析，导 致企业实际控制人挖掘等场景无法实现,

知识图谱的图存储具有高效的关系推演性

能，使得深度关系挖掘成为可能。3. 决策依据支持更科学、前瞻。知识图谱可应用于营销获客、风险管理等场

景。以风险管理为例，通过知识图谱风险

传导预测，可确保在众多小事件发生的初

期，及早介入风险管控,防止“蝴蝶效应”。

金融知识图谱技朮的行业应用探索1.银行数字化营销。宁波银行依托“海王星”平台建设，为大数据技术在客

户精准营销、客户关系管理等各领域的成

功应用奠定了扎实基础。未来，知识图谱 将在以下几方面助推银行营销数字化转型升级。一是智能产品推荐。知识图谱构建过

程可有效整合各类数据，通过关联关系分

析，实现千人千面式精准推荐。此外，知 识图谱的高性能运算能力可为客户提供实

时推荐决策判断，提升客户体验。二是潜在客户挖掘。知识图谱关系梳

理可以识别同一类客户或关联类客户，通

过聚类分析算法，挖掘出人工难以发现的

潜在用户，实现存量“活”客与智能“获”

客两手抓。

H?图知识图谱核心技术能力

76Application E越喊哥

三是客户关系梳理。知识图谱多维度

关系视角拓宽了分析问题、挖掘知识的能

力，可帮助银行感知更深入、更广泛和更

完整的客户关系管理方法和知识体系，实 现全面了解客户（KYC )。

2. 银行风险控制管理。风险控制是

银行的重中之重，但是长期以来，在很多

风控领域，一直没有找到效果好、效率高

的风控手段。随着金融科技的发展，知识

图谱技术的进步，我们看到这些问题有望

得到解决。

一是反欺诈识别。知识图谱对客户身

份和行为的关联分析，可有效识别虚假申

请、恶意申请、套现、诈骗等各项犯罪行

为，为贷前决策、贷后风控提供有效数据 依据，降低金融风险。

二是反洗钱。知识图谱对资金交易过

程实时决策分析判断，不仅能提供事后批

量分析和报告，还能实现事中的交易分析

和阻断，有效提升反洗钱能效。

三是资金中介识别。知识图谱对资

金汇划的数据分析，可有效识别人工难以

识别的资金中介，帮助业务部门做好排查,

防范资金中介风险。3. 银行数据资产管理。银行数据之

间的关联性非常紧密，通过知识图谱，我

们梳理数据间的关联关系，厘清统计口径 的计算方法，让数据“看得清来龙去脉、

算的明统计口径、查的到底层数据”。因此，

知识图谱应用在数据资产管理上必将发挥

作用，促进数据价值有效提升。

一是数据关系梳理。知识图谱可应用

于数据血缘分析，挖掘历史数据存储结构、

表关系及数据与业务关系，智能化业务及 数据梳理工作。

二是多源数据融合。知识图谱可应用

于数据标准迁移分析，根据业务关系，对

多源异构数据有效融合，全面贯通企业级

数据。三是统计数据分析。知识图谱可应用

于统计指标口径溯源分析，排查特定口径

应用的统计指标项，根据数据统计的传导

路径反溯源头（底层）数据。四是科技CMDB管理。知识图谱可

应用于IT资产数据分析，为故障定位、

资产变更决策等提供有效分析支撑。

金融知识图谱应用难点与要点1. 金融知识图谱的认知。首先，知识图谱在金融行业的应用仍处于初级阶

段。金融知识图谱虽然已广泛应用于风 控、营销、IT资产管理和数据管理等领域，

但大部分是应用于简单数据查询和逻辑规

则方式。在应用初级阶段，金融知识图谱

发力的核心内容：一是将多源异构数据有 机融合为一张关联图谱，二是将反映整体

的网络特征提炼到单个实体信息中，实现

关系特征从无到有的跨越。第二，知识图谱是一个可以广泛应用

的辅助工具。知识图谱应用的广泛性在于

拓扑连接的广泛性，任何事物都可以在赋

范空间建立连接。同时，由于关联分析在

整个数据分析方案中的有限性，金融知识

图谱在应用过程中，往往作为一个辅助工

具和其他技术结合使用，作为数据挖掘在

关系维度的一个补充完善，对既有业务模

型进行升级完善。2. 金融知识图谱的应用挑战。首先，

数据完整性面临挑战。知识图谱面向关系

密集型数据，相较于其他数据挖掘技术更

要求数据的完整性。若关联关系数据不全

或图数据量过小，图将无法连通而形成一

个个孤立的子图孤岛，会导致信息无法传

播，基于此的关联分析可能退化成鸡肋般

的应用。上述问题在业务数据体量较小的

中小银行中尤为凸显。针对此，不仅要考

虑数据的积累，也要优化分析模型，减少

数据完整性对分析结果的影响。第二，模型精准性需要关注。知识

图谱建模的精准性同时依赖于对模型的

业务特征和技术方法的深刻理解和实践经

验，一是知识图谱数据建模的模型，即如

何定义知识本体，例如，在异构图和同构

图的选择上，是选择构建全量数据的异构

图，还是针对特殊场景对实体和属性进牙亍

简化、对关系进行折叠的同构图；在关系

定义尤其是抽象关系定义上，如何在无限

制的关系定义中概括出对应用有价值的关

系，包括实体间的共同爱好、共同购买关

系、在特殊时段的联系、处理后获得的某

种特征上的相似性等；二是数据分析的模

型，如何对业务逻辑进行概括并映射成图

能理解处理的模式，如担保风险中的担保

链、担保圈、平台担保，映射到图分析中

环形路径查找、担保社区发现和高维度节

点算法等。第三，互联性与权限最小化设计的

矛盾值得探讨。知识图谱提出的本意在于

世界万物的互联，打通字节世界与真实世

界。而银行业对数据安全的权限设计较为

严格，一方面是要将所有数据都连通以最

大化关联性分析价值的技术要求，一方面

是各个业务部门各个应用场景各个角色之

间安全隔离的管理要求。如何做好知识图

谱平台的多租户管理，结合知识图谱核心

技术框架的四个层级，从存储到可视化如

何分层设置权限，需要我们在前期做好建

设规划。

结语可以预见在未来很长一段时间内，知

识图谱将成为大数据智能的前沿研究问

题。学术界在持续地推进技术的研究与创

新，工业界在积极地探索业务落地的场景。

金融业要做好基础平台建设，把握技术发

展动态，从实际业务发展痛点出发，用好

知识图谱这把利器。a

77

合集下载

知识图谱在领域知识多维分析中的应用途径研究

知识图谱在领域知识多维分析中的应用途径研究

2019年第3期（总第178期）18摘要：知识图谱为解决众多领域的现实问题提供了新的思想与方法，有助于呈现和分析领域知识及其关联关系。研究工作采用图数据库技术构建领域知识图谱。从简单实体关系和多维复杂关系层面，对知识图谱在领域知识多维分析中的应用途径进行探索。研究表明，知识图谱能够从多维角度组织和分析领域知识与知识关联；灵活地对领域知识及其关系实现可视化呈现；能够方便存储和快速提取知识关系并进行推理。关键词：知识图谱；实体关系；领域知识；多维分析中图分类号：G255.76DOI：10.3772/j.issn.1673-2286.2019.03.003王思茗1 孙熊兰1 滕广青1 叶心2 栾宇1

（1. 东北师范大学信息科学与技术学院，长春 130117；2. 长春市图书馆，长春 130021）

知识图谱在领域知识多维分析中的

应用途径研究*

*本研究得到国家自然科学基金面上项目“基于网络结构演化的Folksonomy模式中社群知识组织与知识涌现研究”（编号：71473035）资助。21世纪以来，随着网络科学的复兴，以网络结构表

征知识关联关系的思想已经被图书情报学界普遍接受

和认可。人工智能领域中各类神经网络（CNN、RNN、DNN）[1]的崛起，无一不印证了网络思维在揭示多维复

杂关系中的重要性。2012年5月，Google在其官方网站

发布Introducing the Knowledge Graph: Things, not Strings，首次提出了知识图谱（Knowledge Graph）的

概念[2]。知识图谱相比传统的知识网络具有更丰富的知

识关联，正在迅速应用于经济、医疗、金融、教育等诸

多领域。与此同时，图书情报学界也开始尝试知识图谱

在本学科领域的应用。

本文基于知识图谱理论及其构建技术，构建特定

学科领域的知识图谱。在阐述知识图谱构建方法及过

程的基础上，基于知识图谱从简单实体间关系和多维

复杂关系的视角进行研究分析，探索和分析知识图谱

知识图谱概述及应用

知识图谱概述及应用

导读：知识图谱 (Knowledge Graph) 是当前的研究热点。自从2012年Google推出自己第一版知识图谱以来，它在学术界和工业界掀起了一股热潮。各大互联网企业在之后的短短一年内纷纷推出了自己的知识图谱产品以作为回应。比如在国内，互联网巨头百度和搜狗分别推出”知心“和”知立方”来改进其搜索质量。那么与这些传统的互联网公司相比，对处于当今风口浪尖上的行业 - 互联网金融， 知识图谱可以有哪方面的应用呢？

目录：

1. 什么是知识图谱？

2. 知识图谱的表示

3. 知识图谱的存储

4. 应用

5. 挑战

6. 结语

1.什么是知识图谱？

知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。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”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。

知识图谱这个概念最早由Google提出，主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎，知识图谱可用来更好地查询复杂的关联信息，从语义层面理解用户意图，改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候，搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月，家庭情况等等。

另外，对于稍微复杂的搜索语句比如

”Who is the wife of Bill Gates“，Google能准确返回他的妻子Melinda Gates。这就说明搜索引擎通过知识图谱真正理解了用户的意图。

上面提到的知识图谱都是属于比较宽泛的范畴，在通用领域里解决搜索引擎优化和问答系统(Question-Answering)等方面的问题。接下来我们看一下特定领域里的 (Domain-Specific) 知识图谱表示方式和应用，这也是工业界比较关心的话题。

垂直知识图谱的构建与应用研究

垂直知识图谱的构建与应用研究

知识管理论坛

2016年 第3期（总第3期

）

2261 引言

自从语义网络的概念提出以来，大量的链

接开放数据（Linked Open Data，简称LOD）和

用户生成内容（User-generated Content，简称

UGC）发布在互联网中，互联网从仅包含网页

与网页之间超链接的文档万维网逐步转变为包

含大量描述实体和实体之间丰富关系的数据万

维网。在此背景下，为改善搜索引擎效果，谷

歌公司于2012年提出“知识图谱”的概念[1]：一【学术探索】

垂直知识图谱的构建与应用研究

◎ 阮彤1 王梦婕2 王昊奋1 胡芳槐3

1华东理工大学信息学院 上海 2002372华东理工大学计算机科学与工程系 上海 2002373上海海翼知信息科技有限公司 上海 200433

摘要：[目的/意义]近年来，知识图谱技术受到学术界和工业界的普遍关注。提出数据驱动的增量式知识图谱构建方法，为构建垂直知识图谱提供一种新思路。同时，通过3个用例研究提供垂直知识图谱的应用示范。[方法/过程]首先给出知识图谱的形式化定义，然后提出数据驱动的增量式知识图谱构建方法，重点研究构建垂直知识图谱数据图的细节与难点。基于该方法，本文构建了中医药知识图谱、海洋知识图谱和企业知识图谱。[结果/结论]以上垂直知识图谱的构建证实了本方法的可行性，它们各自的垂直应用体现了知识图谱的广泛应用。关键词：知识获取 知识融合 语义搜索 辅助开方 关系发现分类号：TP391

引用格式：阮彤, 王梦婕, 王昊奋, 等．垂直知识图谱的构建与应用研究[J/OL]. 知识管理论坛, 2016, 1(3): 226-234[引用日期]. /paperView?id=43.

基金项目：本文系国家高技术研究发展计划“心血管疾病与肿瘤疾病中西医临床大数据处理分析与应用研究”（项目编号：2015AA020107）研究成果之一。作者简介：阮彤（ORCID：0000-0002-3546-8338），自然语言处理与大数据研究室主任，中国计算机学会大数据专委会常务委员，中文信息处理学会CCIR专委会委员，副教授，博士，ruantong@；王梦婕（ORCID：0000-0003-4068-8869），硕士研究生；王昊奋（ORCID：0000-0002-0672-8081），自然语言处理与大数据研究室副主任，中国计算机学会术语工作委员会执委，中文信息学会语言与知识计算专委会委员，讲师，博士；胡芳槐（ORCID：0000-0002-7747-6686），总裁，博士。

知识图谱研究概况及其在中医药领域的应用

知识图谱研究概况及其在中医药领域的应用

知识图谱研究概况及其在中医药领域的应用

作为科学计量学和信息计量学的新发展方向，知识图谱技术已经广泛应用到金融、工业、医学等领域，成为真实世界研究中的热点问题。本文就知识图谱的概念和特点、绘制流程、现有软件及其在中医药领域的应用现状、发展前景等进行文献梳理，以期为中医药领域知识图谱相关研究提供参考。

Abstract： As the new development of scientometrics and informetrics，

knowledge graph has infiltrated into the financial， industrial and medical fields， and

become a hot issue in the real world research. In this article， the concept and features

of knowledge graph， construction and the existing softwares， the application status

and development prospect in the TCM field were reviewed， which may provide

references for research on the knowledge graph in the TCM field.

Key words： knowledge graph； TCM； application prospect； review

随着2012年谷歌第一版知识图谱的发布，特定领域的知识图谱构建成为真实世界研究中的热点问题。从搜索引擎优化，到新药发现，知识图谱在学术界掀起了一股热潮，并渗透到金融、工业和医学等领域。这种以科学学为基础，涉及应用数学、信息学及计算机学等多学科的可视化技术，成为科学计量学和信息计量学的新发展方向。本文就知识图谱的概念、特点及其在中医药领域的应用现状、前景进行梳理，以期为中医药领域知识图谱相关研究提供参考。