知识图谱如何在信审领域大展身手？

写在最开始的话

知识图谱从2012正式由谷歌提出用以优化搜索，到如今已经深深渗透到了生活的各个领域——从搜索结果右边栏的关联结果，地图、阅读和娱乐的个性化推荐，到金融领域等众多场景均有应用。

作为人工智能重要基石，

知识图谱如何运用在信审领域？

智能问答中最佳的实践方法是什么？

又在金融反欺诈中发挥了怎样的独特作用？

又有何难点挑战？

9月7日，致诚阿福大数据中心总经理王征受毕马威中国邀请，面向金融行业高层，围绕知识图谱的这一系列问题，进行了一场深入的主题讲座。

知识图谱优势显著，运用深入

多年来，致诚阿福基于懂金融、风控经验积累深厚的差异化优势，不断探索金融科技在风控中的实际应用以创造真正风控价值。其将大数据、人工智能、云服务等科技手段与自身优势评分建模、反欺诈等核心风控能力交叉融合，打磨出一系列覆盖信贷风控全流程的智能风控产品和解决方案。在众多科技手段中，致诚阿福对知识图谱的研究与运用颇为深入。

知识图谱有着强大的语义处理能力和开放的数据组织能力，在应对信息爆炸时代异质多元、结构松散的大规模信息内容时，优势显著：

其首先对于关系的表达能力强，处理复杂多样的关联分析得心应手；

其次可以利用交互式机器学习技术，运用推理、纠错等去不断学习知识；

再者基于知识图谱的交互探索式分析可像人类思考一样去做分析；

最后图数据库的存储方式让数据调取更快，可以实现秒级反馈，方便即时决策。

王征

“知识图谱是致诚阿福处理多元异构数据，整合各类碎片化信息的主要手段，其中广泛应用了机器学习、深度学习、自然语言处理、图算法、流式计算等底层基础技术，实现了高效的知识表示与知识抽取、具备了不断扩充新数据信息的知识融合与存储能力，形成支撑上层应用的知识计算与推理的能力，可以创造很大的风控价值。知识图谱作为致诚阿福数据挖掘的关键技术之一，已被应用于智能问答、关系链路发现、智能风险评估等方面。”

从搜索优化到交互问答

知识图谱在信审风控大展拳脚

在王征看来，知识图谱不仅可以对搜索进行优化，而且可以对特定行业形成行业知识图谱，并在此基础上实现人工智能类的应用，如基于特定领域知识图谱的智能问答和可视化决策支持等，可以有效帮助信贷风险管理。

知识图谱分类

A

基于搜索优化

首先，基于知识图谱的搜索优化可用于信贷领域包括风险舆情在内的全网多重信息搜索，以更全面、准确地识别风险。

王征

“在致诚阿福，我们将这一技术运用在我们的‘深度搜索引擎’当中，以在全网深度采集信息进行风险识别和提示。如今互联网搜索对象趋于复杂，搜索粒度也更加多元。在‘深度搜索引擎’中，我们运用了多元化搜索、跨媒体的协调搜索；同时基于实体链接技术，整合日常和实时从互联网上抓取到的碎片化风险信息，对于进件数据中每项内容，在核实的同时，通过实体关系发现、关系计算识别出矛盾或者多重的关系，并作风险提示，大幅降低人为风险鉴别误差。”

B

基于行业知识图谱的智能问答

其次，具体在行业领域中，“行业知识图谱对准确度要求非常高，通常用于辅助各种复杂的分析应用或决策支持，多应用于解决传统搜索中自然语言歧义难题的语义搜索、理解用户真正意图给出答案的智能问答，以及通过统一图形接口为用户提供信息的可视化决策支持等。”王征说道，“这些技术都在我们的信贷风控实践中得到有效验证。”

王征

“例如在智能问答当中，适用性最强的实践方法是将语义解析和信息检索方法进行结合：

语义解析可解释性强，识别出概念（如‘您工作单位的高管’的内容意图）、实体（借款人工作单位）、属性（高管）后更便于转化成知识图谱查询给出明确答案；

信息检索应用面广，可以在语义解析无法识别出概念、实体时，通过在广泛的结果备选集中做关键词全文检索结果作为答案的补充。

另一种深度学习方法则可以实现在针对特定领域中较深层的问题时，解决包括问题分类、语义匹配与答案选择、答案自动生成等难点，实现“端到端”的问答。目前深度学习方法在阅读理解方面的问答中取得了一些突破，但对于复杂查询的支持还有限，训练时间长，且在现实应用中不适用于知识更新后的实时查询。”

致诚阿福目前在用于信审的智能问答题库产品“星探”、实地征信APP“致微”两款产品中运用了基于知识图谱的智能问答。其中：

⭕“星探”通过知识图谱将10多种题型、300多行业、1600多问题的题库进行呈现，根据借款人信息生成专属题库且根据问答有逻辑的进行问答步步推进。

⭕“致微”则可实现自动采集的非结构化数据关键信息提取，且将采集信息进行分析交叉验证后智能推理提示新增的采集项或问答内容。

星探APP界面截图（左）、致微APP界面截图（右）

可视化下的分析决策，知识图谱成反欺诈背后关键

此外，在金融欺诈的识别与分析中，知识图谱更可谓是“幕后大脑”。知识图谱产品利用图数据库的天然优势，可以直接将信贷欺诈可能涉及的字段设计成为图谱节点，建模过后形成，可通过申请人进件信息进行信息之间乃至人之间关系探测与识别，通过可视化的关联分析、推理等发现潜在的欺诈风险。

王征

“以致诚阿福反欺诈明星产品‘福网升级版’为例，我们在取得授权后可通过社交关系网分析功能，来探测欺诈风险，识别组团欺诈可能性。

而在另一款‘小微企业风险洞察图谱’产品中，则可以利用多维度字段，通过复杂网络及建模，研究企业与企业间关系，及个人与企业之间、个人与个人之间的投资、担保、实际控制人、高管等复杂关联关系。目前图谱通过近2亿实体、千种属性关系和30亿的事实来刻画股权结构和派系特征，并且通过多重算法构建企业投资链路和债务关联等多领域图谱，实现多维度洞察和预警。”

福网升级版-社交关系网分析

小微企业风险洞察图谱

总之，知识图谱之重要，不单在于为人工智能提供认知能力，更重要的是不断凝练知识，推动人不断进步。尽管仍然存在技术难点，但知识图谱在众多应用场景的渗透日趋深入。

王征

“基于知识谱图的信审风控产品和应用，对于行业而言价值巨大，将一直是致诚阿福的金融科技探索重点之一。“