东莞网站优化,wordpress 手机站,长沙软件开发,便宜自适应网站建设本文转载在公众号#xff1a;恒生技术之眼。在《人工智能知识图谱#xff1a;如何规整海量金融大数据#xff1f;》一文中#xff0c;笔者曾提到#xff0c;面向人工智能的大数据治理#xff0c;势必能有效支撑智能金融从感知智能向认知智能变革。这是因为目前在资本市场… 本文转载在公众号恒生技术之眼。 在《人工智能知识图谱如何规整海量金融大数据》一文中笔者曾提到面向人工智能的大数据治理势必能有效支撑智能金融从感知智能向认知智能变革。这是因为目前在资本市场中大数据的治理存在一些问题比如非结构化数据的处理与使用、实时敏捷的数据处理与使用以及多源异构的数据孤岛等。 而知识图谱在智能金融中扮演的正是数据加工、处理的角色能够为数据服务提供相应的支持。比如对于多源异构的数据知识图谱能做到比较好的集成通过统一的数据表示与建模、统一数据处理与存储来降低数据的使用难度。 正所谓“玉不琢不成器”数据是金融的生命线经过知识图谱的“琢磨”大数据治理会有更多成果呈现出来从而更好地赋能智能金融助力金融机构实现数据驱动下的业务运营和创新。那么想要达到这样的目的资本市场的知识图谱应该如何构建呢资本市场知识图谱构建的核心目标 有目标才有方向。在资本市场中人们都在关注资产的价格、走势以及相关的分析这是一个永恒的话题。所以资本市场知识图谱的建立应该有两个核心目标 核心目标1企业画像企业分析 以前我们为企业做信息规整的时候以集合企业的360度属性信息为目标。而通过知识图谱技术我们可以改变这种思路以企业为中心把围绕企业的实体关系建立起来比如企业与企业的关系、企业与人的关系、企业与行业的关系、企业与舆情事件的关系、企业与宏观要素的关系等等。当我们将企业放在关系网络里把种种关系都建立起来的时候我们会发现企业的画像也就完成了。 企业分析也是从关系分析开始的。在关系网络具备的情况下我们可以以关系分析为起点进行企业的分析一步步达到我们最终所需的分析目标和结果。 核心目标2舆情事件基于知识图谱的传播 为企业做画像是相对静态的一个结果因为汇集的很多都是关于企业的静态信息。而舆情事件在每天的新闻、公告、研报里都会发生是相对动态的。那么舆情事件有没有传递效应有什么样的传递效应这也是我们在资本市场中构筑知识图谱时需要考虑的。 资本市场知识图谱构建的关键点 有了这两个核心目标资本市场的知识图谱应该怎么构建呢对于资本市场来说知识图谱的构建也需要知识建模、知识获取、知识融合、知识存储、知识展示、知识计算、知识应用等环节这与传统行业是一样的。不一样的地方在于以下几个关键点 场景驱动按需迭代 在金融行业新的数据源源不断地产生、汇集那么我们在构建知识图谱之时需要以场景驱动来解决这个问题在数据建模上不断地更新先建立Schema再去寻找相应的数据集合起来之后对特定的应用场景提供相应的数据服务。随着Schema 1.0、2.0、3.0不断演化一个企业级的知识图谱可能就建立起来了。 充分利用第三方数据 起点不一样是资本市场知识图谱与其他领域知识图谱的一个不同点。在资本市场中有很多第三方数据公司为证券公司、基金公司等金融机构提供数据服务充分利用第三方数据对于知识图谱的构建非常重要。这个起点有什么影响呢一方面第三方数据公司会通过自然语言处理等技术做一些数据的梳理工作其数据结构质量会比较高基于高质量数据来构建的知识图谱质量也会比较好如果我们放弃这种方式从大规模自动建立开始做很难达到同等的效果另一方面第三方数据也是在不断更新的因此在知识获取和知识融合方面第三方数据可以帮我们解决冷启动的问题。 事件与时序的支持 事件是相对动态的动态的新闻、资讯对资产价格有非常大的影响所以我们在资本市场的知识图谱构建中包括建模、分析、展示、存储等各个环节都要充分考虑到对事件和时序支持。 灵活的图展示方式 资本市场的知识图谱对于展示有一些不一样的需求比如可不可以按照产业链的方式把某一行业的上下游全部展示出来能不能按照股权结构把实际受益人的图谱关系展示出来等等这些都是金融领域的图展示需要做到的。资本市场知识图谱的应用场景 从数据的关系网络支撑这个角度来看知识图谱作为数据治理的工具、手段可以助力原有的传统金融业务实现智能化的升级。另外知识图谱与机器学习等技术的结合也会帮助原有的模型实现升级。那么具体来看知识图谱能够对现在的金融业务产生哪些方面的赋能呢 基础赋能▲基础数据服务把知识图谱当做数据库、知识库用KBQAKnowledge Base Question Answering的方式为金融问答系统、智能客服系统以及金融智能搜索等业务提供相应的支持。 ▲关系穿透/挖掘服务知识图谱对于关系穿透、挖掘的能力使其非常适合找到一致行动人、实际控制人以及资本系挖掘从而有助于关联交易关联账号识别、信息批露等风控控制并且能够对风控风险的传播和原因做深入分析这在合规风控领域的应用有非常大的空间。 ▲建模/推理服务知识图谱把一些关系的数据梳理得比较清楚这对于营销服务领域来说是一次革新的机会。无论从数据的提供层面还是从模型的建立层面知识图谱在KYC/KYPKnow Your Customer / Know Your Product、产品服务推荐、智能投顾等领域都会带来非常大的价值。进阶赋能▲基于知识图谱事件传播影响的智能资讯服务 这是静态与动态知识图谱能够结合并产生金融服务的一个场景。目前对于头部金融机构的终端服务来说智能资讯已经是一种标配可以把相应的资讯推送给相应的标的持有人进行风险警示或投资机会提示。 在知识图谱技术的加持下智能资讯服务能够做进一步的延伸因为企业是处在关系网络之中的任何一个事件的传递都会沿着关系网络传播。比如“行业的原材料价格上涨”这样一件事会在企业的关系网络里沿着企业的上下游来进行传递据此我们可以把涉及到的相关企业从知识图谱中找出来命中事件传播波动相关性标的、事件要素投研逻辑相关性标的等从而对相应投资人进行相应标的的智能资讯服务例如持仓/自选股预警、投顾等辅助服务。 ▲基于知识图谱的智能投研分析师工作平台 智能投研是知识图谱能够有较多应用的一个场景。每个行业分析师都有一套行业产业链逻辑并且依据这套逻辑准确定位市场现状、动态预测并制作市场模型。借助知识图谱这套逻辑可以演化成一个投研工具一个智能投研的分析平台满足分析师私有化、个性化的要求做到能够自动添加实体公司、关系产业链条、属性私有数据自定义投研逻辑与预警规则帮助分析师进行产业链与企业关系的分析。 展望 在当下的智能金融时代一方面我们需要着手进行面向人工智能的大数据治理在数据层面上通过知识图谱将原有的金融数据做再一次的加工、整理另一方面一个金融机构往往动辄几十套、上百套系统如何把知识图谱等人工智能技术的服务能力开放给传统的业务系统进行面向人工智能的服务治理这也是我们必须面对的一个挑战。此外浙江大学陈华钧教授曾提到过知识图谱的数据源问题由于数据太容易被复制了一旦发生数据外泄很容易侵犯个人隐私与数据所有权所以在知识图谱领域我们也可以考虑结合区块链技术来对数据来源进行溯源。现在知识图谱更多是集中式的未来可能有更多分散式的知识图谱架构出现来帮助我们解决这个问题。300多年英国哲学家培根曾说知识就是力量。而随着人工智能时代的启幕我们或许也可以说知识图谱就是力量。知识图谱起于搜索又不止于搜索它是底层的是无处不在的支撑着人工智能在各个场景中的应用。未来知识图谱必将让金融更智能在更多的金融业务场景中发挥更大的价值。OpenKG.CN中文开放知识图谱简称OpenKG.CN旨在促进中文知识图谱数据的开放与互联促进知识图谱和语义技术的普及和广泛应用。点击阅读原文进入 OpenKG 博客。
