知识图谱是支撑机器实现认知智能的重要基石,在数字化转型中,随着人工智能、大数据技术的不断渗透,越来越多的企业需要强大的底层知识网络作为支撑,搭建知识图谱并开发上层应用,实现更加智能的业务分析与决策。

邦盛科技知识图谱通过提供中央级的图谱平台,构建集企业底层数据源介入、图谱数据管理、图谱平台化应用的一体化平台,实现知识抽取、知识融合、知识推理、知识存储与知识应用,助力企业快速完成知识图谱的一站式构建,打造丰富的业务场景应用,挖掘数据价值,赋能企业数字化转型。

其中,底层的数据层可以满足不同数据清洗、接入的需求,并支持多种数据通过流式或批式接入,然后在图数据库中进行点边结构映射,继而在图谱平台中完成图构建、图分析、图挖掘、图决策等操作。同时还会集成可视化的操作组件及各类算法,以适应顶层不同业务线的需求,如反欺诈、营销、运管、潜客挖掘、企业担保等。

图构建

图谱平台在应用方面有很多核心功能,第一个核心功能是图构建。图构建有三种方式,包括可视化建图、可视化入数、离线批式与实时流式入数。无论是建图或入数,都会涉及数据共享,邦盛科技知识图谱平台作为中央级、一体化平台,基于多业务条线的需求,实现了权限隔离和数据共享的功能。

在入数方式上支持多种,包含批式、流式的方式,还有数据源,比如常规的关系型数据库入数,中间件kafka入数等都是支持的。

图分析

第二个应用是图分析,包括交互式分析、智能化分析、性能优化。邦盛科技知识图谱平台集成了很多可视化的分析工具来提供简单易用的交流,如时序分析,时序分析能在小额高频问题上观察到入账出账时间的关联,聚合汇总能结合业务经验,展示条边关系。

另外,平台设置了即时算法,还有路径分析、环路查找、异常识别等。在分析的基础上,邦盛科技还会根据实际业务经验做很多数据调优,尤其是对于演变结构的精简,因为知识图谱产生到最后还是要服务于决策,服务于业务,这才是最终目标。

图指标

图指标是经过图分析后,直接提取的一些图谱网格特征,并形成的一种计算指标。这个计算指标会和专家规则的指标联动,对上层决策进行调优。

图指标比较简单的一个用法是用相近的关联关系去触发黑名单,但更多的时候我们会把图指标和专家规则类的统计指标、模型特征做融合决策。需要说明的是,融合决策不是指孤立式决策,而是指在编译层就做融合,也就是说融合决策在图指标阶段是做在一起的。

图指标主要应用有两个,第一种是事中的决策,第二种是事后的分析,分别是实时和事后,也是目前图指标的两个典型用法。

图算法

相比图指标,图算法是对关联动作进行更深的挖掘。像模式匹配,就是经过业务定义之后,去筛选资金链路闭环的一些风险模式,是一种一对多对一的模式,洗钱也会出现很多闭环的风险模式,在定义好之后都可以放在图谱的数据库中进行跑批。

第二种社团发现,用算法进行社团分割,形成一个团给业务去核查分析,通过机器学习的方法从关联图谱中自动发现群聚社团。社团发现既可以是半监督式的,即以一些少量的标注或标签作为种子,也可以无监督式的。最后在担保圈还有一些风险传导的算法。这些我们都是根据特征模式总结抽象,最后融合到系统功能中去。

图服务

图服务提供一种快速系统集成能力,将可视化图分析能力赋能各业务线业务系统。包含图分享、图查询、图分析集成三种能力。

图分享指的是分析得到的一个子图,给没有出入平台权限的人去看。图查询通过看核查单上URL的方式去发现图谱分析的一些结果,辅助风险的判别。图分析集成是在企业的业务系统中嵌入图分析还有图查询的全部能力,来实现图谱平台,以及各个业务系统之间数据的全面打通,如交易反欺诈系统、申请反欺诈系统、信贷决策系统等。

整体视图

整个图谱的应用架构上,最左边的是给建模工程师使用,右边是给业务人员使用,结合业务上的各个生产渠道,比如风控面反洗钱安全系统,再聚焦一些业务场景,比如反欺诈、涉赌涉诈、团伙套现进行一些机器的分析,还有一些离线的分析。

下面对应的是我们的一些功能,然后建模工程师将左侧知识构建的数据源处理好后,定义好这个节点边属性关系,交给业务人员进行一些知识的挖掘、知识的分析,这个过程中会用到我们事先定义好的一些功能算法,最后按照图谱的能力对外进行发布。

在人工智能新基建下,知识图谱在数据繁杂、单一价值有限、问题抽象需要可视化、多层关联维度、团伙识别等应用场景发挥着越来越大的价值。目前知识图谱作为技术能力已经全方位向邦盛科技的各产品线输出,亦可作为单独产品输出。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。