|“用知識圖譜定位客戶,，可防失聯(lián)/跑路,?！?/span>
或許你已經(jīng)耳熟能詳人工智能,，但是對此你并不滿意,。你吐槽：這個機器太愚蠢了,！這個分析報告,，人類根本無法理解,。
那是因為人工智能還是一個牙牙學語的稚子,，處于智能化轉(zhuǎn)型的初級階段,。今天我們就來聊聊知識圖譜，一項將賦予機器認知智能的關(guān)鍵技術(shù),。
（圖片來源于網(wǎng)絡(luò),，如有侵權(quán)，請聯(lián)系刪除）
一,、什么是知識圖譜,？
知識圖譜（Knowledge graph，KG）是一種知識庫技術(shù),，在上世紀五六十年代就已萌芽,，起源于語義網(wǎng)絡(luò)的知識表現(xiàn)形式。
語義網(wǎng)絡(luò)的本義是,，知識由相互連接的節(jié)點和邊組成,，節(jié)點表示概念或者對象，邊表示他們之間的關(guān)系。在知識圖譜里,，每個節(jié)點表示現(xiàn)實世界中存在的“實體”,，每條邊為實體與實體之間的“關(guān)系”。在表現(xiàn)形式上,，語義網(wǎng)絡(luò)和知識圖譜相似,，但語義網(wǎng)絡(luò)更側(cè)重于描述概念與概念之間的關(guān)系，而知識圖譜則更偏重于描述實體之間的關(guān)聯(lián),。所以,，知識圖譜就是把所有不同種類的信息連接在一起而得到的一個關(guān)系網(wǎng)絡(luò)，提供從“關(guān)系”的角度去分析問題的能力,。
“知識圖譜”這個概念具體什么時候被提出,，網(wǎng)上有多種說法，廣為業(yè)內(nèi)認可的是2012年,，Google首次公開將其應(yīng)用在搜索上,，也是自此，知識圖譜成為了研究應(yīng)用的熱點,。比如在谷歌上搜索“唐納德川普”,，在搜索結(jié)果頁面的右側(cè)會出現(xiàn)與之相關(guān)的身份信息、行為信息,、社交信息,、關(guān)聯(lián)人等。
二,、知識圖譜的基本特性
有了知識圖譜,，機器看到的就不再是簡單的字符串，而是可以把這些字符串映射到各種各樣的實體,、概念,，從而建立機器自己的認知世界，更直觀的為場景服務(wù),。
下面簡單梳理一下知識圖譜的基本特性：
網(wǎng)狀知識結(jié)構(gòu)
復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)
網(wǎng)絡(luò)由節(jié)點,、邊、以及它們的屬性構(gòu)成
知識庫是知識圖譜承載數(shù)據(jù)的主要方式
也就是說,，知識圖譜是由一些相互連接的實體和他們的屬性構(gòu)成的,。換句話說，知識圖譜是由一條條知識組成,，每條知識表示為一個SPO三元組(Subject-Predicate-Object),。如：（堂吉訶德，作者,，塞萬提斯）
常用RDF來形式化地表示這種三元關(guān)系,。RDF(Resource Description Framework),，即資源描述框架，是W3C制定的,，用于描述實體/資源的標準數(shù)據(jù)模型,。
知識圖譜的表示方式之一RDF
（Semantic similarity analysis and application in knowledge graphs, Ganggao, Zhu, Phd Thesis, 2017）
RDF圖中一共有三種類型，International Resource Identifiers(IRIs),，blank nodes 和 literals,。現(xiàn)實中，這種呈現(xiàn)方式的典型應(yīng)用有Walfram Alpha知識庫,。它是目前世界上包含實體數(shù)最多的知識庫,，總量超過10萬億條。
?
三,、知識圖譜的關(guān)鍵理論和技術(shù)
早期語義網(wǎng)絡(luò)研究如何將數(shù)據(jù)表示成機器和人都可以理解的, 所以核心的研究方向是對元數(shù)據(jù)的研究,，即如何描述數(shù)據(jù)。知識圖譜是在語義網(wǎng)基礎(chǔ)上發(fā)展起來的,，包含上億的事實和他們之間的關(guān)系,。
自然語言處理技術(shù)推動了知識圖譜應(yīng)用，知識圖譜也為自然語言處理提供更廣闊的應(yīng)用空間,，所以知識圖譜中的關(guān)鍵理論和技術(shù)涉及到很多自然語言處理,。
例如text analysis, document retrieval, entity linking, word sense disambiguation, name entity disambiguation, query interpretation, question answer.
知識圖譜的技術(shù)架構(gòu)
?
（劉嶠 李楊 段宏 劉瑤 秦志光 出版源:《計算機研究與發(fā)展》, 2016, 53 (3):582-600 2）
三、知識圖譜主要應(yīng)用場景
知識圖譜最大的優(yōu)勢在于對數(shù)據(jù)的描述能力很強大,，機器學習,、深度學習算法雖然在預(yù)測能力上不錯，但在描述能力上卻差強人意,，知識圖譜則剛好填補了這部分空白,。
雖然知識圖譜是當前研究的熱點，但在國內(nèi)尚屬一個比較新的概念,，其應(yīng)用也處于初始階段,，主要集中在諸如通信,、醫(yī)療,、互聯(lián)網(wǎng)、金融等對技術(shù)敏感的行業(yè)領(lǐng)域,。
下面,，我們對已有應(yīng)用做一個簡單介紹：
1、語義搜索
語義搜索的功能類似于知識圖譜在Google, Baidu上的應(yīng)用,，通過知識圖譜擴展用戶的搜索關(guān)鍵詞,，從而返回更豐富、更全面的信息,。
舉個應(yīng)用案例,，搜索“價格在10萬以下的白色長安汽車”：
首先是句法分析,，通過實體識別，分解搜索需求,，如人名,、地名、品牌名,、顏色等,，然后根據(jù)分析結(jié)果，搜索目標-汽車,，目標屬性-白色,、長安、價格0-10萬,，最后,，將這些結(jié)果用圖形網(wǎng)絡(luò)的方式展示，就把復(fù)雜的信息以直觀明了的圖像呈現(xiàn)出來,，讓使用者對隱藏信息的來龍去脈一目了然,。
2、智能問答
智能問答功能同樣也可以體現(xiàn)在搜索引擎上,，通過構(gòu)建龐大的知識庫,，訓練機器，讀懂人類的需求,。
如蘋果Siri,、電信客服、銀行智能語音助手,、健康助理等,。其應(yīng)用過程同語義搜索，只是在表現(xiàn)上還加入了其他技術(shù),，如語音識別,、圖形識別等。
?
3,、風險控制
現(xiàn)代商業(yè)發(fā)展面臨的風險因素日趨復(fù)雜,，利用知識圖譜可以構(gòu)建行業(yè)的知識庫，進行風險挖掘,，從而達到控制風險,，管理風險的目的，典型應(yīng)用有金融領(lǐng)域的反欺詐和風險預(yù)測,。
那么,，如何構(gòu)建金融知識圖譜？
“金融知識圖譜”是金融行業(yè)知識搜索的基礎(chǔ)技術(shù),，是具有語義處理與信息互聯(lián)互通能力的知識庫,。構(gòu)建“金融知識圖譜”可以提升金融機構(gòu)反欺詐,、風險評估、預(yù)測等風險管理能力,。
構(gòu)建“金融知識圖譜”可分為兩大部分：一是數(shù)據(jù)梳理,，基于資金往來,賬戶,抵押物,股權(quán)結(jié)構(gòu),訴訟,聯(lián)系方式等關(guān)系建立企業(yè),人, 事件等實體間的關(guān)系圖譜；二是基于知識圖譜的數(shù)據(jù)挖掘應(yīng)用,，例如：擔保圈分析,，可挖掘出循環(huán)擔保；深度風險鏈條分析,揭示多層網(wǎng)絡(luò)中風險關(guān)系,；客戶群體劃分,，可以提取滿足一定條件的客戶用于獲客。
下面以譽存科技應(yīng)用知識圖譜做企業(yè)風險評估的項目為例來介紹
（譽存科技知識圖譜應(yīng)用流程）
1,、定義需求：落實到具體業(yè)務(wù)問題,，提出可視化需求。如風險關(guān)系挖掘,、失信預(yù)測
2,、數(shù)據(jù)收集和預(yù)處理：使用ETL+自然語言處理技術(shù)，整合海量結(jié)構(gòu)化數(shù)據(jù)+非結(jié)構(gòu)化數(shù)據(jù)
3,、知識圖譜設(shè)計：定義實體,，關(guān)系，屬性
4,、知識圖譜存儲設(shè)計：Neo4j
5,、上層應(yīng)用開發(fā)：基于規(guī)則，基于算法
企業(yè)關(guān)聯(lián)圖譜的展示：主體企業(yè),、關(guān)聯(lián)企業(yè),、董監(jiān)高法等關(guān)聯(lián)人的重要關(guān)系梳理，圖譜化展示,。
（譽存科技企業(yè)關(guān)聯(lián)網(wǎng)絡(luò)圖）
基于企業(yè)知識圖譜的企業(yè)風險挖掘：基于規(guī)則
（風險鏈條展示）
未來風險預(yù)測：基于機器學習算法或者傳導(dǎo)模型
基于網(wǎng)絡(luò)風險傳導(dǎo)模型的失信風險預(yù)測：利用企業(yè)圖譜的拓撲結(jié)構(gòu)+啟發(fā)式算法
結(jié)語
當前,，各大互聯(lián)網(wǎng)科技公司都紛紛創(chuàng)建了自己的知識庫。大數(shù)據(jù)和新算法為規(guī)?；R圖譜構(gòu)建提供了新的技術(shù)基礎(chǔ)和發(fā)展條件,，使得知識圖譜構(gòu)建的來源、方法和技術(shù)手段都發(fā)生極大的變化,。
與數(shù)據(jù)與量化強相關(guān)的金融行業(yè),，對知識圖譜技術(shù)更是抱著開放,、歡迎的態(tài)度,。許多思想領(lǐng)先，對技術(shù)敏感的金融機構(gòu),，通過積極與金融科技公司合作,，已成功將知識圖譜運用于反欺詐,、智能推薦、智能風控,、營銷獲客等方面,，搶先獲得了技術(shù)賦能的優(yōu)勢與價值。未來,，在金融領(lǐng)域,，從精準營銷、風險預(yù)測到用戶決策,，知識圖譜的底層支撐性作用將越來越顯著,。