? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?隨著ChatGPT的爆火出圈

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 人工智能再次迎來(lái)發(fā)展小高潮

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?那么作為此前搜索領(lǐng)域的主流技術(shù)

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?知識(shí)圖譜前路又將如何呢？

事實(shí)上，ChatGPT也并非“萬(wàn)能”，作為黑箱模型，ChatGPT很難驗(yàn)證生成的知識(shí)是否準(zhǔn)確。并且ChatGPT是通過(guò)概率模型執(zhí)行推理的，這也使得它在對(duì)知識(shí)精準(zhǔn)性要求高的領(lǐng)域比較難真正落地。

反觀知識(shí)圖譜（Knowledge Graph），其作為一種用于描述復(fù)雜知識(shí)的數(shù)據(jù)模型，本質(zhì)是一種語(yǔ)義網(wǎng)絡(luò)，主要目的是用來(lái)描述真實(shí)世界中存在的各種實(shí)體以及實(shí)體之間的關(guān)系。這也決定了其在知識(shí)可解釋性和精準(zhǔn)性方面，具有獨(dú)特的優(yōu)勢(shì)。

?

今天，我們就來(lái)深挖一下知識(shí)圖譜：

知識(shí)圖譜最先應(yīng)用于搜索領(lǐng)域，最早可以追溯到2012年前后，主要是為了解決搜索引擎的用戶體驗(yàn)問(wèn)題。

舉個(gè)例子：

傳統(tǒng)搜索模式下，用戶只能看到涉及關(guān)鍵詞的若干網(wǎng)頁(yè)鏈接，而有了知識(shí)圖譜的技術(shù)加持之后，用戶會(huì)在搜索界面首先看到相關(guān)答案，這個(gè)返回的語(yǔ)句是通過(guò)知識(shí)圖譜解析搜索結(jié)果得到的。

傳統(tǒng)搜索模式下? VS? 知識(shí)圖譜加持后

除了搜索領(lǐng)域，現(xiàn)如今知識(shí)圖譜也應(yīng)用在智能推薦、智能問(wèn)答以及決策平臺(tái)當(dāng)中。近些年，知識(shí)圖譜開(kāi)始應(yīng)用于金融領(lǐng)域，逐漸成為金融領(lǐng)域風(fēng)控反欺詐的主要手段，并不斷拓展到其他業(yè)務(wù)中去。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 那么，知識(shí)圖譜是如何構(gòu)建的？

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 當(dāng)前金融市場(chǎng)上有哪些靠譜的知識(shí)圖譜平臺(tái)？

知識(shí)圖譜的構(gòu)建流程包括三個(gè)部分：圖譜設(shè)計(jì)（設(shè)計(jì)實(shí)體關(guān)系網(wǎng)絡(luò)）、圖譜構(gòu)建（將數(shù)據(jù)導(dǎo)入實(shí)體關(guān)系網(wǎng)絡(luò)）和圖譜融合（針對(duì)不同來(lái)源的數(shù)據(jù)需要對(duì)數(shù)據(jù)進(jìn)行知識(shí)融合），構(gòu)建完成后即可使用知識(shí)推理以及分析算法進(jìn)行更深入的數(shù)據(jù)挖掘工作。

但是，在具體實(shí)現(xiàn)和應(yīng)用知識(shí)圖譜時(shí)，往往都會(huì)遇到以下難點(diǎn)：

?? 數(shù)據(jù)類型多

?? 圖譜設(shè)計(jì)難

?? 圖譜構(gòu)建及更新成本高

?? 圖譜應(yīng)用難

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 中電金信：別慌，我會(huì)出手！

中電金信鯨圖知識(shí)圖譜平臺(tái)是一站式知識(shí)圖譜構(gòu)建與服務(wù)平臺(tái)，專為金融領(lǐng)域廣大業(yè)務(wù)需求打造，能夠提供從文本數(shù)據(jù)標(biāo)注、知識(shí)抽取、知識(shí)融合、圖譜存儲(chǔ)和圖譜分析的全流程能力。

與金融領(lǐng)域其他常規(guī)知識(shí)圖譜平臺(tái)相比，鯨圖知識(shí)圖譜平臺(tái)：

01?提供知識(shí)圖譜構(gòu)建與服務(wù)平臺(tái)

一站式構(gòu)建平臺(tái)，支持用戶簡(jiǎn)單、快速地構(gòu)建各類業(yè)務(wù)知識(shí)圖譜，實(shí)現(xiàn)業(yè)務(wù)價(jià)值。平臺(tái)提供了從源數(shù)據(jù)管理、圖譜Schema設(shè)計(jì)、圖譜構(gòu)建（知識(shí)抽取、知識(shí)融合等）、圖譜存儲(chǔ)、圖譜管理以及圖譜可視化與分析的全流程能力，可作為企業(yè)知識(shí)能力中臺(tái)，面向應(yīng)用場(chǎng)景生產(chǎn)各類業(yè)務(wù)圖譜?；谠撈脚_(tái)，可以根據(jù)客戶實(shí)際場(chǎng)景的使用需求，進(jìn)行相關(guān)功能增強(qiáng)開(kāi)發(fā)。

02 圖譜構(gòu)建簡(jiǎn)單，構(gòu)建方式靈活

提供多種構(gòu)建方式，包括映射式構(gòu)建、抽取式構(gòu)建等。聯(lián)動(dòng)構(gòu)建的模式，可以有效減少25%以上的構(gòu)架工作量。

03 自然語(yǔ)言處理能力強(qiáng)大

通過(guò)主動(dòng)學(xué)習(xí)等方式能夠減少30%以上的文本數(shù)據(jù)標(biāo)注量。平臺(tái)內(nèi)嵌多種數(shù)據(jù)抽取方法和知識(shí)融合解決方案，并內(nèi)置18種NLP算法，基于其高效的基模型可以有效支撐業(yè)務(wù)領(lǐng)域切換。

04 卓越的分析能力，有效支撐業(yè)務(wù)需求

平臺(tái)內(nèi)嵌五大類別30+分析算法，可應(yīng)用到十多種場(chǎng)景中去。其內(nèi)置分析算法能夠涵蓋目前大多數(shù)常用的業(yè)務(wù)場(chǎng)景，包括集團(tuán)派系識(shí)別、風(fēng)險(xiǎn)事件傳導(dǎo)、商品關(guān)聯(lián)度、擔(dān)保鏈條識(shí)別、圖譜問(wèn)答推理等。并且，還可以根據(jù)實(shí)際業(yè)務(wù)需求提供算法擴(kuò)展和定制服務(wù)，能夠適應(yīng)復(fù)雜、苛刻的應(yīng)用場(chǎng)景。

此外，鯨圖知識(shí)圖譜還能夠處理億級(jí)數(shù)據(jù)和關(guān)系，利用專家設(shè)計(jì)的圖譜和內(nèi)嵌圖分析算法，讓用戶只需點(diǎn)擊即可完成關(guān)系分析。平臺(tái)在客戶環(huán)境中部署整體服務(wù)框架，遵循高可用原則，涵蓋了完備日志系統(tǒng)、異常監(jiān)控告警、策略恢復(fù)、集群式災(zāi)備等功能。

目前，鯨圖知識(shí)圖譜已經(jīng)在若干個(gè)場(chǎng)景中應(yīng)用，如對(duì)公風(fēng)控、風(fēng)險(xiǎn)傳導(dǎo)分析、隱形資金交易關(guān)系發(fā)現(xiàn)等。為金融機(jī)構(gòu)提供了穩(wěn)定可靠的服務(wù)，成功助力客戶實(shí)現(xiàn)業(yè)務(wù)提升。

剛剛結(jié)束的2023WAIC世界人工智能大會(huì)上，中電金信“基于知識(shí)圖譜的銀行智能審計(jì)應(yīng)用”還入選了“通用人工智能創(chuàng)新應(yīng)用案例集”。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?未來(lái)，中電金信鯨圖產(chǎn)品將依照行業(yè)標(biāo)準(zhǔn)

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 擴(kuò)充現(xiàn)有分析和提取算法能力

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 建立全行級(jí)知識(shí)圖譜應(yīng)用平臺(tái)

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?促進(jìn)金融行業(yè)數(shù)字化轉(zhuǎn)型

?