■林一松 秦 祎 秦浩煒

（1.中國建設(shè)銀行總行機構(gòu)業(yè)務(wù)部；2.中國建設(shè)銀行總行同業(yè)業(yè)務(wù)中心）

1 引 言

知識圖譜是一種直觀顯示各個實體關(guān)聯(lián)信息的有效數(shù)據(jù)結(jié)構(gòu)，是一種可以關(guān)聯(lián)源自不同種類的知識，將它們集中在一起而得到的關(guān)系圖譜，本質(zhì)上它是Semantic Network的知識庫，它將客觀世界中存在的各種概念或?qū)嶓w及其之間的關(guān)系以結(jié)構(gòu)化的形式來進行描述[1]。因此也可以簡單地用一張巨大的網(wǎng)絡(luò)來比作它，其中，網(wǎng)絡(luò)中的節(jié)點就表示知識圖譜中的實體或概念，而節(jié)點之間的邊則表示知識圖譜中的屬性或關(guān)系，用最小的代價知識圖譜便可將從互聯(lián)網(wǎng)中積累起來的信息組織起來，并使其成為有著高利用價值的知識[2]。

金融行業(yè)的現(xiàn)代金融體系，每時每刻都運行產(chǎn)生大量的金融數(shù)據(jù)，容量龐大、時刻變化和來源多樣的金融數(shù)據(jù)給金融業(yè)帶來了極大的挑戰(zhàn)，同時，金融業(yè)也是一個在數(shù)據(jù)、信息和知識上有著極大需求的典型的知識密集型行業(yè)，金融決策大都需要大量的數(shù)據(jù)、信息和知識作為支撐，從大數(shù)據(jù)中提取信息和知識的速度與能力很大程度上會在未來決定著金融業(yè)的核心競爭力。

在大數(shù)據(jù)環(huán)境下，針對海量且異質(zhì)多源的金融數(shù)據(jù)，加以知識獲取的相關(guān)理論、方法和技術(shù)進行運用，進而從中獲取有價值的知識信息，從而形成各類金融知識庫來支持金融決策，并對金融知識庫使用知識關(guān)聯(lián)、知識檢索和知識推理等技術(shù)來進行運算，然后以知識檢索、自動問答和知識導(dǎo)航等形式呈現(xiàn)結(jié)果提供知識服務(wù)給決策者，這項技術(shù)在許多的金融決策支持過程中都有著十分重要的意義，例如風(fēng)險管理、金融監(jiān)管和投資決策等[3]。

2 相關(guān)工作

根據(jù)已有的研究成果，國內(nèi)外相關(guān)研究重點關(guān)注這幾個方面：①知識的融合與集成，獲取到的多源異質(zhì)的金融知識可能存在重復(fù)、語義關(guān)聯(lián)不明確、不一致等問題，要將其融合與集成，就需要用到實體對齊、語義映射等技術(shù)，在同一框架下生成規(guī)范的金融知識庫；②高效率的挖掘、獲取大規(guī)模知識，從海量的金融數(shù)據(jù)資源中通過自動標(biāo)注語義、機器學(xué)習(xí)和自然語言處理等技術(shù)，高效率地挖掘并獲取大規(guī)模的金融知識；③個性且智能化服務(wù)于決策支持，面向金融決策支持知識服務(wù)的前提和基礎(chǔ)就是獲取金融知識后形成的各類知識庫。如何運用知識檢索、推理等技術(shù)，結(jié)合決策者的特征和需求對金融知識庫運算得出結(jié)果，并為決策者提供個性化和智能化的金融知識服務(wù)，以知識導(dǎo)航、知識檢索和自動問答等形式，極其值得進一步研究[4]。有了知識圖譜作為輔助之后，文本背后的含義便能夠被機器所理解，用戶的查詢背后的語義信息也能夠輕易地被搜索引擎洞察，這樣就可以返回更為精準(zhǔn)的結(jié)構(gòu)化信息，更大可能地滿足了用戶的查詢需求，更高效地組織管理并理解互聯(lián)網(wǎng)海量信息，這都是獲益于知識圖譜技術(shù)的幫助[5]。

3 知識圖譜構(gòu)建技術(shù)

構(gòu)建知識圖譜，這一過程經(jīng)過了信息抽取、知識表示、知識融合、知識推理四個過程，每一次更新迭代也都包含這四個階段。

3.1 知識表示技術(shù)

作為知識圖譜構(gòu)建及應(yīng)用的基礎(chǔ)，知識表示被廣泛地應(yīng)用到了自然語言處理和圖像識別等領(lǐng)域。知識表示技術(shù)用來表示研究對象的方法是使用低維稠密的向量，廣泛應(yīng)用于補全知識圖譜、抽取關(guān)系和智能問答等，不僅可以顯著地提高計算效率，還能有效地解決數(shù)據(jù)稀疏的問題；知識表示主要包括：翻譯模型、匹配模型、矩陣分解模型和神經(jīng)網(wǎng)絡(luò)模型等主要模型。

3.2 信息抽取技術(shù)

知識圖譜數(shù)據(jù)來源范圍廣泛，包括文本，圖像，傳感器，視頻等形式。信息抽取是指從這些不同的來源和不同的結(jié)構(gòu)中提取數(shù)據(jù)以形成結(jié)構(gòu)畫的知識并存儲在知識圖譜中。在信息抽取過程中不僅標(biāo)識實體，還對抽取的實體進行分類。可以根據(jù)知識圖譜的要求調(diào)整類別。關(guān)系抽取則是多個實體之間語義關(guān)系的抽取。

3.3 知識融合技術(shù)

知識圖譜在執(zhí)行知識抽取時使用多樣化的數(shù)據(jù)源，知識融合將事實對象與實體、關(guān)系、屬性等之間存在的歧義消除后，可以在規(guī)范框架下對多種來源的知識進行異構(gòu)數(shù)據(jù)整合集成、消除歧義、加工以及推理驗證并更新等。知識融合當(dāng)出現(xiàn)同屬性不同值，需要決策并賦予其較正確的屬性值時，可以數(shù)據(jù)源的數(shù)量和可靠度作為依據(jù)判斷[6]。

3.4 知識推理技術(shù)

知識推理是構(gòu)建知識圖譜的重要手段和關(guān)鍵環(huán)節(jié)，它可以從現(xiàn)有知識中發(fā)現(xiàn)新知識，但存在不完整的數(shù)據(jù)源和不正確的抽取過程，這就要用已有的事實和推理技術(shù)，從相應(yīng)知識庫中挖掘推理出缺失以及深層的關(guān)系，并對知識圖譜進行補全并去噪，完善和豐富知識圖譜。知識推理從特定的知識圖譜中派生新實體跟實體之間的關(guān)系，并在知識計算中發(fā)揮重要作用，例如知識分類，知識驗證，知識鏈接預(yù)測和知識補全等[7]。

4 金融行業(yè)知識圖譜應(yīng)用

金融、醫(yī)療、電商作為知識圖譜垂直行業(yè)的應(yīng)用領(lǐng)域代表，產(chǎn)出了金融反欺詐、智能營銷、商品推薦等的應(yīng)用場景[4]。知識圖譜，本質(zhì)上是語義網(wǎng)絡(luò)，是一種基于圖的數(shù)據(jù)結(jié)構(gòu)。通過知識圖譜技術(shù)將存在金融行業(yè)數(shù)據(jù)中的大量的實體和關(guān)系建立連接，將金融行業(yè)現(xiàn)有數(shù)據(jù)以突破傳統(tǒng)計算的模式深度整合，然后結(jié)合外部數(shù)據(jù)能夠更有效地挖掘潛在客戶、預(yù)警潛在風(fēng)險，金融行業(yè)的各項業(yè)務(wù)效率大幅提升、利用價值得到更大發(fā)揮都得益于此[8]。

在營銷應(yīng)用領(lǐng)域，潛在客戶挖掘使用現(xiàn)有及外部數(shù)據(jù)精準(zhǔn)且迅速地找到潛在相關(guān)業(yè)務(wù)中的客戶，帶給銀行業(yè)務(wù)頗多助益，對客戶的潛在需求進行深度挖掘，使用銀行客戶關(guān)系的知識圖譜系統(tǒng)，可以靈活地擴展用戶行為數(shù)據(jù)，并將其與多類數(shù)據(jù)源結(jié)合起來，用以客戶行為分析更準(zhǔn)確，了解其潛在需求并提供精準(zhǔn)的推送給現(xiàn)有客戶；將企業(yè)級的客戶財務(wù)關(guān)系、法人關(guān)系、投資關(guān)系以及公司業(yè)務(wù)關(guān)系等用以知識圖譜進行分析，可得出企業(yè)級客戶的潛在需求，最后對其需要的產(chǎn)品、服務(wù)等進行推薦。從精確營銷的角度來看，知識圖譜通過將多個數(shù)據(jù)源鏈接起來，構(gòu)成用戶及其群體完備的知識體系，進而更充分更到位地對用戶及其群體的行為進行理解、認識和分析，金融公司用知識圖譜去分析待銷售用戶群體之間的關(guān)系就是個很好的例子，通過分析去了解他們的共同愛好，進而為用戶人群對癥下藥地制定相應(yīng)的營銷策略。

在風(fēng)控應(yīng)用領(lǐng)域，客戶辦理業(yè)務(wù)的行為在O2O的時代下得到了前所未有的便利，但也隨之而來并且愈演愈烈的反欺詐問題，羊毛黨、職業(yè)欺詐團伙層出不窮，反欺詐在金融風(fēng)險管理中起著重要作用。人是反欺詐的核心，抽取借款人相關(guān)的全部數(shù)據(jù)源及行為數(shù)據(jù)，并將其全都整合到反欺詐知識圖譜中，以進行高效并準(zhǔn)確的反欺詐分析預(yù)測，在申請階段，構(gòu)建已知欺詐因素的關(guān)系圖譜，例如手機、設(shè)備、賬號、地理位置等因素，再對其統(tǒng)計分析全量風(fēng)險數(shù)據(jù)，在交易階段的反欺詐，可以建立風(fēng)險特征數(shù)據(jù)庫。通過知識圖譜技術(shù)，可以有效解決電子渠道被薅羊毛、被惡意申請等問題，為電子銀行的發(fā)展保駕護航，可以有效解決信用卡申請欺詐信用卡虛假申請、信用卡套現(xiàn)等難點痛點問題，助力信用卡業(yè)務(wù)更加健康地發(fā)展。

在預(yù)測應(yīng)用領(lǐng)域，預(yù)測行業(yè)潛在風(fēng)險，進行行業(yè)細分后用貨款、行業(yè)等信息來建立模型用以關(guān)系的挖掘，顯示行業(yè)關(guān)聯(lián)性大小，并及時預(yù)測相關(guān)行業(yè)，以免被高風(fēng)險行業(yè)或事件牽扯，提前預(yù)測風(fēng)險并規(guī)避，通過建立客戶、企業(yè)和行業(yè)的知識圖譜預(yù)測潛在風(fēng)險客戶，也可以連接行業(yè)和企業(yè)之間數(shù)據(jù)，盡早預(yù)測行業(yè)的潛在風(fēng)險，可及時地發(fā)現(xiàn)行業(yè)風(fēng)險以及關(guān)聯(lián)的企業(yè)客戶，數(shù)據(jù)在金融行業(yè)中是極其重要的成分，將知識圖譜的關(guān)聯(lián)關(guān)系概念利用起來，不僅能突破現(xiàn)有關(guān)系型數(shù)據(jù)庫的限制，還能更加精準(zhǔn)高效地獲得數(shù)據(jù)的價值。

5 結(jié) 語

知識圖譜這一概念從被提出至今，其行業(yè)應(yīng)用熱度仍然在不斷增長。本文對知識圖譜的構(gòu)建技術(shù)進行了闡述，包括知識表示、知識抽取、知識融合以及知識推理等核心技術(shù)，結(jié)合了當(dāng)今社會的需求介紹了知識圖譜在金融行業(yè)中的應(yīng)用現(xiàn)狀，研究分析了知識圖譜對風(fēng)控、營銷、預(yù)測等領(lǐng)域的影響和發(fā)展趨勢，對金融行業(yè)具有較好的參考價值。