知识图谱应用之——"谱"写智慧金融

数据猿

数据猿官网 | www.datayuan.cn

今日头条丨一点资讯丨腾讯丨搜狐丨网易丨凤凰丨阿里UC大鱼丨新浪微博丨新浪看点丨百度百家丨博客中国丨趣头条丨腾讯云·云+社区

引言：知识图谱本质上是语义网络的知识库。也可以简单地把知识图谱理解成多关系图 。知识图谱以半结构化的形式描述客观世界中概念、实体及其关系。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律，为各领域的研究提供切实的、有价值的参考。本文将重点介绍知识图谱技术与智慧金融的融合。

智慧金融的概念是在现代大数据和人工智能技术发展背景下催生的，具备自动化信息处理、智能化辅助决策和部分自决策相结合、智能化和自动化执行等特征的金融服务综合应用。

金融业作为现代经济的核心，一直是个各项前沿技术的积极参与者和受益者。依托这些技术提供、精炼的信息价值、数据价值，金融业经历了上世纪末的全面电子时代到本世纪兴起的互联网浪潮，实现了极大的跨越式发展，形成了互联网金融、金融科技等新的发展模式，并促成了金融各领域与科技各行业之间的合作，并深刻的促进了金融生态圈的生长和发展。

知识图谱在智慧金融里的应用

智慧金融作为一个有机整体，知识图谱在其中提供的知识提取、融合、分析、推断、决策等等功能都是必不可少的。在场景方面，就涵盖了智慧支付、智慧财富管理、智慧银行、智慧证券、智慧保险、智慧风控等诸多方面。在具体的应用功能上面，从KYC、舆情分析、个人/企业信用分析、风险传导、营销推荐、智能问答、知识库等等上面都是典型的知识图谱应用。

 

总体流程图 

风险评估与反欺诈

如今数字金融欺诈形式不断更新、纷繁复杂，欺诈手段逐渐表现出专业化、产业化、隐蔽化、场景化的特征。

传统反欺诈技术的维度单一、效率低下、范围受限的劣势越来越明显。在反欺诈场景中，知识图谱可以聚合与借款人相关的各类数据源，包括借款人的基本信息、日常生活中的消费记录、行为记录、关系信息、网上浏览记录等，然后抽取该借款人的特征标签，从而将相关的信息整合成进结构化的知识图谱中，在此基础上，对该借款人的风险进行全方位的分析和评估。

除了申请阶段的反欺诈，通过构建已知欺诈要素如手机、设备、账号、地域等的关系图谱，全方位了解客户海量风险数据的离线统计分析，按主题要素收集风险运营的结果反馈，建立客户风险特征信息库，优化风险模型和规则，还能做到交易阶段的反欺诈。

风险预测

风险预测包括对潜在风险行业预测和潜在风险客户预测。

在潜在风险行业预测上，基于多维度数据对行业进行细分，根据行业信息建立关系挖掘模型，展示每个行业之间的关联度，如果某一行业发生了行业风险或高风险事件，可以及时预测未来有潜在风险的关联行业，金融机构从而可对相关行业的风险做出预判，尽早地发现并规避风险。

在潜在风险客户预测上，通过知识图谱整合和关联企业内部结构化数据、非结构化数据以及互联网采集数据、第三方合作数据，发现和建立企业与企业之间的集团关系、投资关系、上下游关系、担保关系，企业与个人之间的任职、实际控制、一致行动关系，及时预测未来有潜在风险的关联企业。

 

风控流程图

精准营销

针对个人客户，知识图谱可以通过链接的多个数据源，形成对用户或用户群体的完整知识体系描述，挖掘已有客户的潜在需求，针对性地推送相关产品，为客户提供营销服务。

例如，金融公司的市场经理用知识图谱去分析待销售用户群体之间的关系，去发现他们的共同爱好，从而更有针对性地对这类用户人群制定营销策略。如果对知识图谱扩展（如个人爱好、电商交易数据、社交数据等），还可以更加精准地分析客户行为，进行精准推送。

针对企业级客户，通过分析包括企业基础数据、投资关系、任职关系、专利数据、招投标数据、招聘数据、诉讼数据、失信数据、新闻咨询等企业数据勾画出企业客户的资金关系、法人关系、上下游投资关系、相似企业业务关系等构建起企业知识图谱，为企业推荐合适产品、服务。

 

营销流程图

智能搜索和数据可视化

智能搜索的功能指的是，知识图谱能够在语义上扩展用户的搜索关键词，从而返回更丰富、更全面的信息。 

比如，搜索某个人的身份证号，可以返 回与这个人相关的所有历史借款记录、联系人关系和其他相关的标签（如黑名单等）。这些结果可以用图形网络的方式展示，从而把复杂的信息以直观明了的图像呈现出来，让使用者对隐藏信息的来龙去脉一目了然。

——END——