銀行業(yè)知識(shí)圖譜的應(yīng)用范文
本站小編為你精心準(zhǔn)備了銀行業(yè)知識(shí)圖譜的應(yīng)用參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。
隨著商業(yè)銀行知識(shí)結(jié)構(gòu)的日益豐富，知識(shí)體量的指數(shù)級(jí)增長(zhǎng)，傳統(tǒng)人工式的知識(shí)處理體系已不能滿足現(xiàn)代商業(yè)銀行將知識(shí)轉(zhuǎn)化為智慧的智能化知識(shí)處理的需求。本研究針對(duì)商業(yè)銀行當(dāng)前面臨的知識(shí)管理及應(yīng)用問(wèn)題，提出了基于知識(shí)譜圖技術(shù)的集“RDIKW知識(shí)認(rèn)知框架”“ESER知識(shí)圖譜技術(shù)框架”“知識(shí)圖譜管控框架”為一體的智能化知識(shí)管理體系，核心目的是通過(guò)知識(shí)工程實(shí)現(xiàn)知識(shí)傳承與管理，將數(shù)據(jù)、文檔、圖像、音頻和視頻等多元異構(gòu)的知識(shí)群轉(zhuǎn)化成為業(yè)務(wù)服務(wù)的智慧，使知識(shí)成為商業(yè)銀行的關(guān)鍵資產(chǎn)，為全行級(jí)智能知識(shí)庫(kù)及智慧大腦的構(gòu)建奠定堅(jiān)實(shí)的人工智能基礎(chǔ)，助力商業(yè)銀行實(shí)現(xiàn)學(xué)習(xí)型銀行、知識(shí)型員工、智慧型應(yīng)用的目標(biāo)。
一、商業(yè)銀行知識(shí)管理領(lǐng)域面臨的挑戰(zhàn)
知識(shí)是智慧的基礎(chǔ)原料，若要實(shí)現(xiàn)知識(shí)向智慧的轉(zhuǎn)化，必須面對(duì)知識(shí)認(rèn)知、知識(shí)管理和技術(shù)手段的挑戰(zhàn)。
1.知識(shí)認(rèn)知不足，知識(shí)范圍不明在銀行內(nèi)外部，知識(shí)體量增長(zhǎng)迅速，知識(shí)形式多種多樣，知識(shí)聯(lián)系愈加緊密，實(shí)現(xiàn)顯性知識(shí)的定義和收集，以及隱形知識(shí)的有效挖掘，需要首先從知識(shí)認(rèn)知入手。
2.管理方式繁雜，管理目的模糊一方面，商業(yè)銀行組織內(nèi)部之間或與集團(tuán)公司之間業(yè)務(wù)協(xié)作需求頻繁，知識(shí)流轉(zhuǎn)困難。另一方面，大量專業(yè)性極強(qiáng)的寶貴業(yè)務(wù)經(jīng)驗(yàn)往往人走“茶”涼，知識(shí)整合難度較大。因此，商業(yè)銀行必須搞“活”銀行內(nèi)部知識(shí)資產(chǎn)，建立健全的管理制度，促使知識(shí)管理從分散、單一向集約化、多元化轉(zhuǎn)型。
3.技術(shù)手段落后，智能水平較低傳統(tǒng)商業(yè)銀行對(duì)智能化知識(shí)管理研究普遍較晚，知識(shí)管理體系智能化水平較低，在知識(shí)管理的基礎(chǔ)技術(shù)上實(shí)踐不足。而隨著知識(shí)圖譜、云計(jì)算、大數(shù)據(jù)、人工智能等新技術(shù)的發(fā)展，構(gòu)建統(tǒng)一智能的知識(shí)管理體系將不再是一個(gè)技術(shù)難題。
二、知識(shí)圖譜是知識(shí)管理體系的基礎(chǔ)技術(shù)
1.知識(shí)圖譜是目前關(guān)系網(wǎng)絡(luò)最有效的表示方式（1）發(fā)展趨勢(shì)業(yè)界普遍認(rèn)為，知識(shí)圖譜是最接近真實(shí)世界的數(shù)據(jù)組織結(jié)構(gòu)，它符合人的思維模式，能夠?qū)⑵髽I(yè)所有數(shù)據(jù)連接起來(lái)，新的數(shù)據(jù)種類也能快速融合并發(fā)揮作用，具備靈活應(yīng)對(duì)組織的數(shù)據(jù)種類變化的能力，是人工智能的基礎(chǔ)環(huán)境。（2）知識(shí)圖譜定義知識(shí)圖譜本質(zhì)上是語(yǔ)義網(wǎng)絡(luò)，是一種基于圖的數(shù)據(jù)結(jié)構(gòu)。它由節(jié)點(diǎn)和邊組成，節(jié)點(diǎn)指的是現(xiàn)實(shí)世界中存在的“實(shí)體”，邊指的是實(shí)體與實(shí)體之間的“關(guān)系”。它把所有不同種類的信息連接在一起而得到實(shí)體關(guān)系網(wǎng)絡(luò)，提供了從“關(guān)系”的角度去分析問(wèn)題、發(fā)現(xiàn)問(wèn)題的能力。知識(shí)圖譜是目前關(guān)系網(wǎng)絡(luò)最有效的表示方式，知識(shí)圖譜如圖1所示。
2.知識(shí)圖譜的邏輯和技術(shù)框架（1）RDIKW知識(shí)認(rèn)知框架知識(shí)認(rèn)知框架基于RDIKW模型，涵蓋了知識(shí)從數(shù)據(jù)原料向智慧數(shù)據(jù)發(fā)展的全過(guò)程，自底向上包括原料層（R）、數(shù)據(jù)層（D）、信息層（I）、知識(shí)層（K）及智慧層（W）。其中，數(shù)據(jù)原料是知識(shí)最原始的狀態(tài)，數(shù)據(jù)是信息的載體，信息是數(shù)據(jù)的含義，知識(shí)是信息的集合，智慧是正確判斷和預(yù)測(cè)的能力的集合。知識(shí)認(rèn)知框架如圖2所示。原料層根據(jù)知識(shí)需求從各種渠道獲取原始數(shù)據(jù)，它包括行內(nèi)數(shù)據(jù)、第三方合作數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)，涵蓋非結(jié)構(gòu)化、半結(jié)構(gòu)化和結(jié)構(gòu)化數(shù)據(jù),涉及表格、文檔、圖片、音頻、視頻等多種形式。數(shù)據(jù)層以特定知識(shí)需求為導(dǎo)向而進(jìn)行數(shù)據(jù)原料的篩選和清洗，并通過(guò)數(shù)據(jù)治理及整合將具備業(yè)務(wù)價(jià)值的數(shù)據(jù)原料與該特定知識(shí)主題進(jìn)行匹配、映射和存儲(chǔ)。信息層利用大數(shù)據(jù)平臺(tái)對(duì)數(shù)據(jù)層篩選出來(lái)的數(shù)據(jù)原料進(jìn)行分析和挖掘，探索數(shù)據(jù)原料背后的邏輯、規(guī)律和聯(lián)系，將其整理成可以被業(yè)務(wù)理解且同時(shí)影響業(yè)務(wù)的另一種數(shù)據(jù)。知識(shí)層基于信息層數(shù)據(jù)對(duì)相關(guān)信息進(jìn)行分析和推理而獲取有用資料，知識(shí)既是信息的集合，又是信息的具體應(yīng)用，體現(xiàn)了信息的本質(zhì)、原則和經(jīng)驗(yàn)，能夠直接推動(dòng)人的決策和行為，從而幫助業(yè)務(wù)建模和仿真。智慧層采用多種智能處理方法，基于知識(shí)層的標(biāo)準(zhǔn)知識(shí)，通過(guò)經(jīng)驗(yàn)、閱歷、見識(shí)和理解的累積，外推而形成對(duì)事物的深刻認(rèn)識(shí)、遠(yuǎn)見，體現(xiàn)為一種卓越的判斷力和前瞻性看法，用于指導(dǎo)業(yè)務(wù)決策。（2）ESER知識(shí)圖譜技術(shù)框架知識(shí)圖譜技術(shù)框架基于ESRE模型，用可視化技術(shù)描述知識(shí)資源及其載體，挖掘、分析、構(gòu)建和顯示知識(shí)及它們之間的關(guān)系。ESRE模型自左向右涵蓋了知識(shí)提取（Extraction）、知識(shí)存儲(chǔ)（Storage）、知識(shí)推理（Reasoning）、知識(shí)表現(xiàn)（Expression）等知識(shí)圖譜構(gòu)建的關(guān)鍵技術(shù)。知識(shí)圖譜技術(shù)框架如圖3所示。知識(shí)提取是利用自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、模式識(shí)別等技術(shù)提取結(jié)構(gòu)化數(shù)據(jù)，形成知識(shí)。知識(shí)存儲(chǔ)將已有知識(shí)以圖數(shù)據(jù)庫(kù)的方式存儲(chǔ)，通過(guò)標(biāo)準(zhǔn)接口接入各種數(shù)據(jù)包括實(shí)體和關(guān)系，并建立動(dòng)態(tài)更新和動(dòng)態(tài)掃描機(jī)制。知識(shí)推理是指在知識(shí)基礎(chǔ)上進(jìn)行機(jī)器思維、邏輯推理、求解問(wèn)題，在前提和輸入之下得出結(jié)論。知識(shí)表現(xiàn)通過(guò)圖分析和圖挖掘算法，建立知識(shí)之間的關(guān)聯(lián)，以人可以理解的方式予以表現(xiàn)。（3）知識(shí)圖譜管控框架知識(shí)圖譜管控框架是一套基于知識(shí)管理愿景而構(gòu)建的包括知識(shí)管控框架和制度體系的智能化管控體系。該框架自上而下的從知識(shí)質(zhì)量、風(fēng)險(xiǎn)控制和效益評(píng)估等角度制定全方位的評(píng)估指標(biāo)，以降低知識(shí)風(fēng)險(xiǎn)、提高知識(shí)質(zhì)量為管理目標(biāo)，以知識(shí)生命周期管理為核心，以規(guī)范建設(shè)和技術(shù)手段為支撐，核心目標(biāo)是保障成熟知識(shí)的唯一性、合規(guī)性、時(shí)效性、易用性以及知識(shí)管理的有效性。（4）知識(shí)圖譜關(guān)鍵模塊知識(shí)圖譜應(yīng)用框架一般包括基礎(chǔ)數(shù)據(jù)層、圖譜平臺(tái)層、應(yīng)用場(chǎng)景層、業(yè)務(wù)系統(tǒng)層，其中最關(guān)鍵的模塊包括NLP/數(shù)據(jù)、語(yǔ)料庫(kù)、標(biāo)簽庫(kù)、算法庫(kù)、事件庫(kù)、圖構(gòu)建六個(gè)模塊（如圖4所示）。
3.知識(shí)圖譜在銀行業(yè)的應(yīng)用場(chǎng)景在深度學(xué)習(xí)能力的支撐下，知識(shí)圖譜為銀行海量、異構(gòu)、動(dòng)態(tài)的大數(shù)據(jù)表達(dá)、組織、管理及應(yīng)用提供了一種更為有效的方式，使得銀行知識(shí)處理的智能化水平更高，更加接近于人類的認(rèn)知思維，知識(shí)圖譜的應(yīng)用場(chǎng)景通常包括智慧平臺(tái)級(jí)、業(yè)務(wù)領(lǐng)域級(jí)、通用應(yīng)用級(jí)（如圖5所示）。（1）智慧平臺(tái)級(jí)知識(shí)管理平臺(tái)：利用NLP技術(shù)搭建知識(shí)原料庫(kù)，基于知識(shí)圖譜和深度學(xué)習(xí)等技術(shù)搭建知識(shí)生產(chǎn)工廠，借助工作流及搜索功能實(shí)現(xiàn)知識(shí)生命周期管理及應(yīng)用，從而構(gòu)建全員參與、共建共享、深度交流的知識(shí)管控體系，著力打造“以人為本，以智為根，以智養(yǎng)知”的知識(shí)管理模式。全行級(jí)智能知識(shí)庫(kù)：基于知識(shí)管理平臺(tái)堅(jiān)實(shí)的知識(shí)處理、工作流等基礎(chǔ)，利用人工智能技術(shù)，將商業(yè)銀行相關(guān)的各領(lǐng)域知識(shí)、傳統(tǒng)文檔庫(kù)、各類知識(shí)庫(kù)等聯(lián)接起來(lái)，形成統(tǒng)一視圖的全行級(jí)智能知識(shí)庫(kù)。銀行智慧大腦：在全行級(jí)智能知識(shí)庫(kù)的基礎(chǔ)上，借助大數(shù)據(jù)的分布式計(jì)算能力，利用自然語(yǔ)言處理、生物特征識(shí)別、神經(jīng)網(wǎng)絡(luò)運(yùn)算、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)實(shí)現(xiàn)機(jī)器對(duì)信息的認(rèn)知和感知，將海量信息按照主題、時(shí)間、空間等多維度分類，讓各種神經(jīng)元可以直接或間接聯(lián)接，最終具備“慧看、慧聽、慧說(shuō)、慧讀、慧學(xué)、慧思、慧決”等智慧大腦必需的能力。（2）業(yè)務(wù)領(lǐng)域級(jí)按照銀行金融業(yè)務(wù)分類，業(yè)務(wù)領(lǐng)域級(jí)的知識(shí)圖譜可以劃分為對(duì)公知識(shí)圖譜、零售知識(shí)圖譜等，重點(diǎn)應(yīng)用主要是客戶畫像、客戶識(shí)別、客戶關(guān)系發(fā)現(xiàn)、智能獲客、精準(zhǔn)營(yíng)銷、智能產(chǎn)品推薦、風(fēng)險(xiǎn)事件傳導(dǎo)、智能風(fēng)險(xiǎn)報(bào)告、風(fēng)險(xiǎn)前置等。（3）通用應(yīng)用級(jí)綜合市場(chǎng)各行業(yè)應(yīng)用情況來(lái)看，知識(shí)圖譜的通用應(yīng)用場(chǎng)景包括搜索、問(wèn)答、圖析、地圖、推演及協(xié)作等。基于知識(shí)圖譜的智能搜索是一種基于長(zhǎng)尾的搜索，搜索引擎以知識(shí)卡片的形式將搜索結(jié)果展現(xiàn)出來(lái)。用戶的查詢請(qǐng)求經(jīng)過(guò)查詢式語(yǔ)義理解與知識(shí)檢索兩個(gè)階段，智能搜索引擎主要以集成的語(yǔ)義數(shù)據(jù)、直接的查詢答案、查詢答案推薦列表等三種形式展現(xiàn)。問(wèn)答系統(tǒng)是信息檢索系統(tǒng)的一種高級(jí)形式，能夠以準(zhǔn)確簡(jiǎn)潔的自然語(yǔ)言為用戶提供問(wèn)題的解答。傳統(tǒng)問(wèn)答系統(tǒng)更傾向于根據(jù)關(guān)鍵字搜索知識(shí)庫(kù)，而基于知識(shí)圖譜的問(wèn)答系統(tǒng)以領(lǐng)域知識(shí)為基礎(chǔ)，通過(guò)自然語(yǔ)言理解及對(duì)話管理平臺(tái)，以“規(guī)則+模型”的方式提供了多個(gè)支持二次開發(fā)的實(shí)體識(shí)別模型，從而實(shí)現(xiàn)智能的、可感知、被信任的擬人交互過(guò)程。除此之外，地圖、圖析、推演等均以領(lǐng)域知識(shí)圖譜為基礎(chǔ)，將關(guān)系、特征、布局等信息展示給用戶，比如風(fēng)險(xiǎn)地圖、客戶畫像、資金關(guān)系圈、風(fēng)險(xiǎn)推演等應(yīng)用。
三、對(duì)商業(yè)銀行實(shí)施知識(shí)圖譜的思考
1.商業(yè)銀行具備知識(shí)圖譜應(yīng)用優(yōu)勢(shì)首先，經(jīng)過(guò)多年運(yùn)營(yíng)，商業(yè)銀行積累了海量的行內(nèi)外知識(shí)點(diǎn)，這為知識(shí)圖譜技術(shù)的應(yīng)用奠定了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。其次，數(shù)字化銀行轉(zhuǎn)型將會(huì)推動(dòng)商業(yè)銀行的數(shù)字化、智慧化、平臺(tái)化和生態(tài)化運(yùn)營(yíng)，必將涉及和帶來(lái)更多顯性和隱形知識(shí)點(diǎn)。對(duì)客戶、產(chǎn)品、交易及資金等維度的關(guān)系圖譜的挖掘、更新和豐富，將更加有利于金融行業(yè)知識(shí)庫(kù)的構(gòu)建和應(yīng)用。再次，大數(shù)據(jù)和人工智能為知識(shí)圖譜的應(yīng)用夯實(shí)了技術(shù)基礎(chǔ)，特別是知識(shí)采集、數(shù)據(jù)的結(jié)構(gòu)化處理、知識(shí)抽取、數(shù)據(jù)治理，以及算法開發(fā)等關(guān)鍵技術(shù)。最后，作為知識(shí)點(diǎn)密集的金融服務(wù)業(yè)，商業(yè)銀行比較容易接受知識(shí)圖譜在行業(yè)內(nèi)的實(shí)踐和應(yīng)用，特別是在智能CRM、精準(zhǔn)營(yíng)銷、智能風(fēng)控和全行級(jí)知識(shí)管理等領(lǐng)域，能夠?yàn)樯虡I(yè)銀行智能化運(yùn)營(yíng)賦能。
2.知識(shí)圖譜為商業(yè)銀行全行級(jí)知識(shí)管理提供新思路由于知識(shí)圖譜在表達(dá)關(guān)系網(wǎng)絡(luò)、知識(shí)融合及推理方面具有天然的優(yōu)勢(shì)，商業(yè)銀行可以利用該技術(shù)進(jìn)行全面的知識(shí)提取、知識(shí)積累、知識(shí)更新和知識(shí)整合，特別是客戶、資金、交易及業(yè)務(wù)等關(guān)系網(wǎng)的全面建設(shè)和管理，這為商業(yè)銀行全行級(jí)知識(shí)管理平臺(tái)和智慧大腦的建設(shè)提供了新的思路。第一階段，知識(shí)生產(chǎn)系統(tǒng)。通過(guò)爬蟲平臺(tái)、API，將互聯(lián)網(wǎng)數(shù)據(jù)、第三方數(shù)據(jù)輸入到知識(shí)生產(chǎn)系統(tǒng)，基于NLP自然語(yǔ)言處理引擎，對(duì)外部文檔和源數(shù)據(jù)進(jìn)行結(jié)構(gòu)化數(shù)據(jù)治理，整理成行內(nèi)可以使用的標(biāo)準(zhǔn)數(shù)據(jù)格式，并支持海量數(shù)據(jù)存儲(chǔ)。第二階段，知識(shí)處理體系。基于安全大數(shù)據(jù)平臺(tái)技術(shù)，對(duì)結(jié)構(gòu)化的原始數(shù)據(jù)進(jìn)行分析加工，整理成業(yè)務(wù)可以直接理解的內(nèi)容。第三階段，金融知識(shí)平臺(tái)。基于知識(shí)處理體系，對(duì)信息進(jìn)行集合、關(guān)聯(lián)、分析和仿真，分析其中隱含的本質(zhì)、原則、邏輯和經(jīng)驗(yàn)，幫助業(yè)務(wù)建模以支撐管理層決策。第四階段，智慧大腦。基于人工智能、大數(shù)據(jù)、云計(jì)算等新技術(shù)，將各條線、部門、業(yè)務(wù)、崗位間的標(biāo)準(zhǔn)業(yè)務(wù)知識(shí)整合成關(guān)聯(lián)、可用、完整的神經(jīng)知識(shí)網(wǎng)絡(luò)，通過(guò)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)讓系統(tǒng)具備自學(xué)習(xí)、自決策的智慧。
3.主要難點(diǎn)在知識(shí)圖譜六大關(guān)鍵模塊中，主要難點(diǎn)集中在NLP自然語(yǔ)言處理引擎、算法庫(kù)。NLP自然語(yǔ)言處理引擎決定了NLP爬蟲平臺(tái)獲取數(shù)據(jù)的能力以及獲取數(shù)據(jù)的質(zhì)量和數(shù)量，而這些原始數(shù)據(jù)作為知識(shí)圖譜的知識(shí)原料又決定了知識(shí)譜圖的水平。算法庫(kù)包括圖算法和金融算法，圖算法決定了圖構(gòu)建、圖存儲(chǔ)和圖操作的能力，知識(shí)原料豐富而圖算法落后，依然不能構(gòu)建出強(qiáng)大的知識(shí)圖譜。金融算法作為知識(shí)圖譜應(yīng)用層的關(guān)鍵算法，決定了知識(shí)圖譜能否很好地結(jié)合業(yè)務(wù)需求開展多方向的應(yīng)用場(chǎng)景。知識(shí)圖譜的建設(shè)和應(yīng)用是一項(xiàng)長(zhǎng)期持續(xù)的知識(shí)工程，既需要全面的大數(shù)據(jù)和AI技術(shù)，又需要行業(yè)專家、金融工程專家和數(shù)據(jù)科學(xué)家持續(xù)協(xié)作和實(shí)踐。金融行業(yè)正在用更深入的視角去看待從知識(shí)到智慧的轉(zhuǎn)化以及其中蘊(yùn)含的價(jià)值，商業(yè)銀行應(yīng)積極培養(yǎng)知識(shí)工程人才，并結(jié)合自身特點(diǎn)將知識(shí)圖譜技術(shù)應(yīng)用于知識(shí)管理及其他業(yè)務(wù)實(shí)踐，嘗試促進(jìn)商業(yè)銀行的發(fā)展與創(chuàng)新。
作者：陳大值 單位：廣發(fā)銀行信息科技部
