知识推理引擎在金融行业的落地

推理能力是人类智能的重要特征，一般的推理通常需要一些规则的支持。知识图谱通过三元组（实体、属性、值）将知识互相连接起来，基于三元组的结构实现知识推理，从已有的知识中发现隐含的信息。例如“小明的妻子的孩子叫糖糖“可以推理出”小明的孩子叫糖糖。三元组形式的数据是结构化的数据，金融行业的数据具有结构化的特征，很多金融机构都有自己的产品知识库。本文就以证券公司为例，介绍竹间的知识推理引擎的能力。01 准备数据知识图谱的数据必须为结构化的数据，因此数据需要梳理和清洗。数据有多种上传方式，客户可通过EXCEL上传（如下图），或者调用批量接口上传，即客户可以把自己知识库中的知识清洗后通过接口来上传。

金融行业的数据一个显著特点是高度动态性，因此需要考虑知识的时效性。竹间的知识推理引擎支持属性为接口类型，当机器人识别到用户问实体的接口类型的属性时，数据会实时查询的。例如查询基金的最新净值，则最新净值这个属性的类型可设置为接口类型。

训练和测试模型

知识推理引擎是通过语料来训练模型，并可以