旅游网站建设规范,盐城市城市建设投资公司网站,浙江建设厅官方网站,做网站有弹窗叫什么转载公众号 | DataFunSummit分享嘉宾#xff1a;鲍捷博士 文因互联编辑整理#xff1a;松烨 博瑜科技出品平台#xff1a;DataFunTalk导读#xff1a;知识图谱标准件已经全面赋能主流金融场景#xff0c;经历了7年时间的发展#xff0c;在金融监管、银行、资管、证券等领… 转载公众号 | DataFunSummit分享嘉宾鲍捷博士 文因互联编辑整理松烨 博瑜科技出品平台DataFunTalk导读知识图谱标准件已经全面赋能主流金融场景经历了7年时间的发展在金融监管、银行、资管、证券等领域得到广泛应用。今天我们从时间的角度详细介绍应用场景是如何一步一步演化出来的。2016年知识图谱在金融领域Big Bang2017年举办第一届金融知识图谱论坛2018年成立金融知识图谱工作组2019年金融知识图谱工作系列沙龙如何破局2020年理解四种自动化手、眼、脑、心2021年“知识”是企业数字化转型的核心基础设置012016年知识图谱在金融领域Big Bang2010年我们已经有很多如何把语义和金融融合在一起的想法学术界已有很多方面的研究2012年语义演化为知识图谱。2016年3月9号AlphaGo打败了围棋冠军李世石整个金融界完全被震撼金融市场是程序化交易的天下这一天成为知识图谱在金融领域的Big Bang金融界有很多人提出了很多问题问题大致分类如下 2016年3月12日我们组织国内第一次语义和金融两个领域的对话“语义对话金融沙龙”。邀请了很多业内专家一起探讨很多问题。2016年3月国内几乎没有知识图谱的应用案例我们的认知只在“创投类数据库”能找到的案例只有少量的欧美应用案例2016年是Fintech上下半场的转折点互联网金融向智能金融的演进互联网金融主要是以P2P为主上半场以金融为主下半场以技术为主不仅延伸以前那些场景并且创造新场景。金融IT化的过程分为四个阶段分别是信息化、大数据化、自动化、智能化。前面20年时间已完成信息化和大数据化的建设2010到2016的5年时间已完成一些简单的自动化。因此到了2016年我们就考虑是否需要智能化。智能化的本质是自动化处理“脑力体力劳动”比如每天做财务报表来算账属于重复的脑力体力劳动可以自动化但是如何去找到一个非常优质的投资机会不属于此类。我们怎么能够把人的洞察的能力用巨大的规模来实现或者把社会的力量用机器的速度来实现这就是智能化在金融里落地的核心如何去自动化脑力体力劳动。2016年是否要需要智能化事实最终证明2016年仍属于大数据化阶段自动化是超前的智能化更是超前的。02 2017年举办第一届金融知识图谱论坛2017年3月我们在杭州大学组织第一届金融知识图谱论坛由中文信息协会主办。在本次会议上中国中文信息学会常任理事上交所前CEO白硕介绍NPL与知识图谱的对接浙江大学教授陈华钧分享开放知识图谱的愿景和挑战。还邀请腾放、文飞翔、郭颖哲三位创投数据库领域的CEO分享了他们的成功案例。1. 认知2017年知识图谱的场景较2016年有大幅扩展除了创投数据库之外有了公众公司的基本面的数据库行情数据库特别值得指出2017年我们文因互联负责完成上交所的公告摘要项目是国家第一个采用自然语言处理进行上市公告。2017年证明可以用机器去做公告数据提取、研报数据提取还有舆情数据提取。同时还有其他的数据提取例如工商数据也就是泛企业数据。2. 应用2017年知识图谱的应用系统丰富起来看到传统数据终端可能会被替代出现了金融搜索引擎、金融问答引擎、研报的公告摘要、脱水研报、脱水公告、自动化信贷流程自动化评级流程自动化写报告自动化写新闻自动化做审计等。在2017年知识图谱在金融领域的建设过程总结为三句话• 天下难事必做于易天下大事必做于细。金融知识图谱是一个很复杂的系统工程中间可能需要先达到若干中间节点而非一下子就能变魔术。 • 它可能催生新的应用但一时难以在旧的金融体系内承载。 • 它需要金融人才和人工智能人才的密切交流培养一种新的复合型人才。这些工作都不是一两年就能完成的。032018年成立金融知识图谱工作组2018年在全国知识图谱与语义计算大会上成立金融知识图谱工作组我们发现金融领域应用从利用技术角度可以分为四类大数据技术、机器学习技术、文本处理技术以及知识和规则技术。2016年以前我们基本以大数据技术和机器学习技术为主在智能营销、智能支付、智能风控、智能投顾应用已经相比较成功。在智能监管、智能资管、智能审计、智能投研、智能客服应用遇到困难难点在于结构化数据之前的文本信息巧妇难为无米之炊。解决难点的关键是在提供优质的数据必须解决文档自动化理解问题成为整个行业的主旋律。2018年客户提出非常多的需求整个行业趋势总结为以下方面1. 认知2018年的金融知识图谱比之前又丰富了很多。灰色部分是2017年的黑色部分是2018年的。2. 应用 随着图谱的增强应用也大大扩展灰色部分是2017年的应用黑色部分是2018年新增的应用。尤其是2018年前后各种聊天机器人开始大量使用降低了客服和营销成本。2018年随着整个国家金融转型在监管、基础数据、资管、咨询、研究、销售、投顾、会计、审计、投资等10大应用领域新增非常多的细分场景具体场景如下042019年金融知识图谱工作系列沙龙——如何破局2019年大家都在探索还不知道商业化场景和真正的破局点在哪里我们金融知识图谱工作组就组织一系列的会议和沙龙金融界和技术界更加密切地进行交流。2019年3月24日在国家金融发展实验室组织了金融制度论坛主要讨论监管业务。2019年4月13日普华永道中国会议讨论的更广的业务内容。2019年配合CCKS的评测竞赛我们和中南大学一起发布三项评测任务评测任务代表自动化文本处理在金融领域已经开始进入主流视野。我们认识到整个知识图谱其实是一个技术栈不是一项技术而是一堆技术的集合体知识图谱不仅是图谱是知识加上辅助如下图的知识图谱金字塔规则、本体和模式这些工程就是知识它们是非常重要的在不同层级上对应金融领域里都有应用例如证券领域要进行规则建设实现大规模的合规和审批的流程自动化银行中的信贷合规信贷反欺诈的数据集成、风险图谱、自动化生成报表都是有相应知识支撑的应用本质上来说“知识的核心价值是驱动流程自动化”。2019年出现了知识图谱的破局点就是证监会发布监管3.0一个纲领性的文件提出了全覆盖无死角建设监管体系。证监会、银保监会都开始用机器自动进行监管监管科技倒逼所有的金融机构进行流程的自动化2019年7月知识图谱非常有效地支撑科创板审核的一些关键流程中国第一次实现IPO审核中利用自然语言处理技术构造上市公司的知识图谱。我们在参与科创板知识图谱和2018年北交所构造股转中心第一套制度我们在实现银行、交易所等机构的细分场景时出现非常多的新型用户交互。我们面临一些新的问题数据结构化数据如何呈现问题还有各种细粒度的自动化监管问题。另外我们也开始发现了更多银行精细化运营的问题包括集中作业问题、获客问题、客户防流失问题所以很多细分场景如下052020年理解四种自动化手、眼、脑、心知识图谱的核心不是图更重要的是业务知识能够帮助我们进行任务的自动化从数据结构化的流程自动化到业务的服务化再到服务的开发分别对应手、眼、脑、心四种自动化。四种自动化对应不同的应用场景流程的自动化帮助我们提高产品质量比如各种券商的IPO自动化写招股说明书自动化审核。062021年“知识”是企业数字化转型的核心基础设置知识图谱的标准件已经全面赋能主流的金融城包括监管、资管、保险、银行、证券和各种通用的这种领域里现在都有相对成熟的金融制度的应用。未来到底是什么样这其实是一个左右互搏的过程。企业一直在做数字化转型数字化转型的本质是企业都要一个CPU上面都是各种核心的业务系统包括BPM系统和ERP系统、CRM系统。传统企业的IT系统底层都是数据库未来企业一定会发生巨大范式变迁企业的核心资产是流程知识和业务知识。过去五年时间我们看到金融企业在财务的知识、审核的知识、信贷的知识、风控的知识都在不断的去沉淀。不同的机构都在落地统一流程平台、数字化员工系统等他们的本质上一个赋能的系统底层要有知识库来管理大量的知识然后上面不断赋能各种各样的应用。知识图谱在金融领域的价值已突显应用场景也越来越清晰未来将会有更多的场景出现去探索。今天的分享就到这里谢谢大家。分享嘉宾OpenKGOpenKG中文开放知识图谱旨在推动以中文为核心的知识图谱数据的开放、互联及众包并促进知识图谱算法、工具及平台的开源开放。点击阅读原文进入 OpenKG 网站。
