知識圖譜（Knowledge Graph）本質上是一種 大型語義網路，旨在迅速表示客觀世界中概念實體間的相互關係。隨著人工智慧的迅猛發展，知識圖譜技術已具備落地和商用的能力，越來越多的企業，引入知識圖譜技術， 解決企業內部資料分析和挖掘問題，並已得到非常可觀的成效。

以 金融行業為例，企業內部存有很多資料，從 技術上可分為結構化資料、非結構化資料、半結構化資料。

目前企業用到最多的是結構化資料，也就是我們常說資料庫儲存的資料。在 半結構化資料和非結構化資料（如各種辦公檔案、文字、圖片、語音等），大多企業 只是作為知識庫存檔，並沒有利用起來，這部分資料蘊含著很多有價值的資訊，如何利用這些資料提煉有價值的資訊成為當前企業痛點。達觀知識圖譜解決方案採用前沿深度學習、光學字元識別、自然語言處理等技術，可快速挖掘非結構資料和半結構資料，並找出其存在的關聯關係，提煉價值資訊，穩定可靠地解決該行業所面臨的問題。

達觀知識圖譜解決方案在金融領域的主要應用包括： 智慧風控、智慧投顧、智慧投研、智慧客服、智慧輿情、智慧營銷等應用。

⚫️銀行風控主要包含信貸審批、額度授信、信用反欺詐、異常交易行為發現、客戶關聯分析、風險定價等業務場景。

⚫️智慧客服主要包含對話機器人、智慧問答、智慧推薦等業務場景。

⚫️智慧投研包含上市公司研報、公告資料分析挖掘，企業工商資訊、財報資訊、董監高、產品、產業鏈分析挖掘等業務場景。

據市場調查統計，以上金融領域的應用場景皆有在各大 頭部銀行和金融機構落地，並已投入使用。

達觀知識圖譜由N多節點和邊組成，節點代表實體（entity），邊（edge）表示關係，將節點與邊關聯起來就形成了知識圖譜。

智慧投研場景下如何構建知識圖譜？

首先，想要構建知識圖譜，要 先找到資料。眾所周知，金融機構的投研業務要依賴很多資料來分析，包含企業財報、年報、企業資訊、產品、行業、產業鏈、公司股東等資料。

採集完這些資料之後，我們將從海量資料中 提煉構建知識圖譜的實體，這些實體包含企業、企業產品、企業所在行業、企業的股東/董監高、企業風險、競品等。以上實體有些是結構化資料可以直接獲取到的（如企業工商資訊包含很多構建知識圖譜的實體），有些需要透過NLP技術來挖掘分析獲取（如企業風險等）。

獲取這些實體之後， 根據業務梳理各個實體間的關聯關係， 定義知識圖譜的邊，例如以企業（實體）為中心節點，向外發散，企業的股東有哪些，企業所屬行業，企業有哪些產品/業務模式，企業競品、競爭對手有哪些，這些都屬於知識圖譜中的實體關係。

透過以上步驟，我們找到了構建知識圖譜所需的實體和關係，接下來就可以將企業與各個實體關聯起來，形成投研領域的知識圖譜。

2_meitu_1

知識圖譜常常與搜尋和推薦產品相結合，可解決精準搜尋或精準推薦的業務場景。此外，圖譜還可以與產業鏈、企業輿情等產品相結合。更多案例情況，請關注達觀資料官網進行諮詢。

達觀知識圖譜賦能智慧投研，可實現金融資料結構化提取與分析

相關文章