知识图谱落地金融，如何挖掘金融的AI“智慧”？

说到人工智能技术，人们首先会联想到深度学习、机器学习技术。但今天，小智要聊的是知识图谱。

通过几十年的发展，知识图谱成为了当下 “网红”般的存在。我们可能说不出知识图谱的具体定义，但其实我们每天都在使用它。就比如你在百度上搜索时，搜索结果右侧的联想，就来自于知识图谱技术的应用。

虽然说，各行各业在研发底层技术和寻求AI场景时，知识图谱的价值被很多行业低估了。但所幸的是，现在越来越多的应用，都越来越依赖知识图谱。

金融领域的场景应用

在重构金融行业业务路程过程中，知识图谱的应用场景很多。

众所周知，金融行业两大核心业务是：营销和风控，即最大限度的获取更多的营销利益，并在充满风险的市场上做好风控管理。而这些业务核心，都离不开用户本身的个人信息和数据。

比如在精准营销上，Giiso的知识图谱可以根据公司企业和人物等信息之间的关系，建立企业图谱，根据搜索的内容，利用知识图谱自动关联相关的公司、人物、产品等信息，从而评估关系的紧密度。

而在风控上，当金融与互联网发生关系后，动辄数额巨大的风控事件让业内人扔心有余悸，不敢有丝毫懈怠。只有通过知识图谱，把其中隐含的关系网梳理清楚，同时从时间、空间多维角度进行分析，才能识别潜在的风险，防止用户撸羊毛。

特别是预防系统性金融风险，国家都是非常重视的。而在智能风控这一点上，Giiso的知识图谱技术就能很好的预防金融风险。

例如，Giiso联合同济大学设计《深度学习和知识图谱在智能公司监管中的应用研究》方案，以知识图谱技术为核心，主张通过特征提取，建立多维度的风控监管模型并最终实现智能风控，很好的提升了上海证券交易所在金融风险上的防范能力。

Giiso知识图谱技术

构建知识图谱这个过程的本质，就是让机器形成认知能力，理解这个世界。

简单来说，知识图谱的搭建，就是把非结构化数据转化成机器可以理解的结构化知识的过程，让机器像人类一样具有逻辑思考，将数据升级为智慧。

而Giiso在知识图谱的搭建上，早已布局。到目前为止，Giiso基于知识图谱构建的追踪引擎最高精度达到了95.06%，平均精度达到了94.52%，远高于传统的搜索算法。

随着云计算、大数据等相关技术的成熟发展，不管是当下还是未来，Giiso的“尖刀利器”——知识图谱，将会应用到更多的金融企业中，从而把金融科技的发展推到一个新高度。