神州信息金融知識圖譜

中|EN

合作咨詢(xún)

金融知識圖譜現狀

領(lǐng)域難

金融知識圖譜是領(lǐng)域知識圖譜，需要專(zhuān)業(yè)的金融行業(yè)知識和數據才能構建一個(gè)金融知識圖譜。然而高質(zhì)量的金融知識和數據難以獲得。

密集化

金融領(lǐng)域的數據量巨大，其數據之間交流頻繁，知識更新速率很快，知識圖譜需要不斷更新數據。

實(shí)時(shí)性

金融領(lǐng)域的數據計算在很多場(chǎng)景下對實(shí)時(shí)性有要求，知識圖譜由于數據結構的特殊性可以保證實(shí)時(shí)更新，滿(mǎn)足一些有實(shí)時(shí)性要求的業(yè)務(wù)場(chǎng)景。

算法難

金融領(lǐng)域知識圖譜目前常用的算法分為人工構建、半自動(dòng)化構建和全自動(dòng)化構建三個(gè)方向，其中人工構建成本巨大，全自動(dòng)化構建又無(wú)法保證數據的可靠性，所以有人工參與的半自動(dòng)化構建是目前的主流算法，因此平衡構建成本和算法精度存在較大困難。

產(chǎn)品概述

“金融知識圖譜”產(chǎn)品是一個(gè)企業(yè)級金融軟件平臺，為金融行業(yè)提供AI認知方面的核心能力。主要功能分為底層技術(shù)和業(yè)務(wù)應用兩層，由圖數據庫、知識圖譜、圖算法、銀行風(fēng)險控制、銀行核心知識圖譜、人機交互輔助。六個(gè)核心模塊構成。以“數據結構歸一化、智能化、知識可推理可解釋”的優(yōu)勢解決構建成本巨大、歷史數據難以存儲、如何保證可靠性的行業(yè)痛點(diǎn)。

產(chǎn)品功能架構

產(chǎn)品特點(diǎn)及優(yōu)勢

金融場(chǎng)景專(zhuān)用知識圖譜

本產(chǎn)品不做通用知識圖譜，只做聚焦到應用場(chǎng)景的領(lǐng)域知識圖譜。本產(chǎn)品主要聚焦銀行的風(fēng)險控制、核心系統、人機交互三個(gè)領(lǐng)域，充分借助產(chǎn)品和業(yè)務(wù)專(zhuān)家的知識來(lái)構建專(zhuān)用知識圖譜。

針對非結構化數據自動(dòng)化構建知識圖譜

本產(chǎn)品可以對非結構化數據通過(guò)數據預標注，實(shí)體標準化，聚類(lèi)，schema自動(dòng)化生成，自動(dòng)化抽取三元組等一系列流程來(lái)完成對非結構化數據進(jìn)行自動(dòng)化構建知識圖譜，這在行業(yè)內是獨創(chuàng )的，目前只有本產(chǎn)品具備對非結構化數據的自動(dòng)化構建功能，目前本產(chǎn)品支持對文本數據的自動(dòng)化構建。

產(chǎn)品簡(jiǎn)單易用，用戶(hù)體驗感好

通過(guò)產(chǎn)品工具化封裝和可視化，使銀行使用者產(chǎn)品體驗較好。通過(guò)前端的合理設計，盡量降低產(chǎn)品的使用門(mén)檻和易用程度，提升產(chǎn)品體驗。與金融超腦AI開(kāi)發(fā)平臺+認知能力平臺松耦合。知識圖譜產(chǎn)品可單獨使用，也可與金融超腦疊加使用，以充分利用金融超腦的工具化封裝能力。

自研標注工具效率更高

本產(chǎn)品自主開(kāi)發(fā)了標注工具，具有穩定性好，運行效率高，標注效果好的特點(diǎn)，同時(shí)因為本產(chǎn)品的標注工具是自研的，因此標注工具與產(chǎn)品的結合程度很高，其標注工具的展示效果和標注效率都能更好的適應本產(chǎn)品。

滿(mǎn)足用戶(hù)多圖譜管理需求

本產(chǎn)品通過(guò)docker容器化技術(shù)，可以同時(shí)運行多個(gè)janus服務(wù)使得本產(chǎn)品支持多圖譜存儲，圖譜切換，圖譜刪除等多圖譜管理功能，能夠最大化滿(mǎn)足用戶(hù)存儲多個(gè)圖譜的需求。

給客戶(hù)帶來(lái)的價(jià)值

海量信息建立起關(guān)聯(lián)網(wǎng)絡(luò )，更精準、高效地分析、解決問(wèn)題

結合多方數據，利用知識圖譜技術(shù)深入挖掘復雜關(guān)系

知識圖譜建模、抽取、存儲、計算和應用的一站式交付

迅速提升人員能力，實(shí)現新型業(yè)務(wù)的快速落地

敏捷的產(chǎn)品形態(tài)，支持云端或本地化快速靈活部署，支持組件化安裝部署

典型案例

面向銀行復雜軟件架構的金融知識圖譜

進(jìn)行智能化服務(wù)治理，解決軟件復用問(wèn)題，完成智能化架構設計和智能化輔助工具。

銀行產(chǎn)品工廠(chǎng)知識圖譜

以銀行業(yè)務(wù)理解為基礎，通過(guò)對參數、指標、事件、產(chǎn)品、組合產(chǎn)品等進(jìn)行概念分層，并結合圖嵌入、圖特征分析、圖模型計算等多種圖計算和機器學(xué)習方法，從模型的角度充分展示產(chǎn)品間的分層聯(lián)系和相似性，結合智能化人機交互框架，使業(yè)務(wù)人員能夠更加清晰的認知產(chǎn)品的內在業(yè)務(wù)屬性，加強產(chǎn)品生產(chǎn)中目標性和有效性。

金融預測分析

以知識圖譜技術(shù)挖掘影響目標的各種要素、特征，運用深度學(xué)習技術(shù)進(jìn)行推理、計算，實(shí)現對多種金融指標預測分析，輔助客戶(hù)完成有效決策。