语义智能的方法体系及其在金融领域的应用实践

本文整理自智能投研技术联盟（ITL）与中国计算机学会（CCF）联合举办的自然语言处理智能技术应用研讨会——虎博科技技术副总裁谭悦关于“语义智能的方法体系及其在金融领域的应用实践”的主题演讲。

导读

语言和文本是人类知识的最大载体，基于自然语言处理技术的语义智能方法体系，在智能搜索和问答、企业知识库加工、产业链图谱构建等方面都发挥了很大的作用，有助于金融机构挖掘业务价值、提升服务质量、提高工作效率。

---

01 语义智能

释放人类知识价值

语言和文本是人类知识最大的载体，通过NLP技术手段高效挖掘、加工并利用文本数据，为不同领域不同应用场景提供搜索、推荐、监控、推理、分析，最终实现决策智能，这是语义智能的核心。

虎博科技技术副总裁谭悦具体而言，语义智能的方法体系分为四个部分：

数据层——对全网多源异构数据（包括传统的结构化数据，半结构化数据和非结构化数据）进行采集加工，构建数据中台能力。

算法层——构建以文档理解、实体关系识别、语义挖掘、情感分析、大数据计算等人工智能模型为核心的算法中台，对各类数据进行加工，提取知识。

语义层——通过实体属性识别、关系抽取、图谱构建等算法将提取的知识构建为半结构化数据，进行推理和分析。

决策层——将加工的知识为不同领域不同应用场景提供搜索、推荐、监控、推理、分析等各类决策辅助工具，帮助人们决策智能。

---

02 决策智能工具帮助机构降本增效

1、智能搜索和问答系统

从传统的电商搜索引擎到现在的股票交易软件，再到财经咨询终端产品，都有自己的搜索框，服务大量用户的信息检索需求。

但其中大部分的搜索直接采用数据库检索或只能搜索一些特定内容，比如一些券商的App可能只能搜股票代码、股票名称。同时，不同用户的关注点、提问方式都不一样，如此一来，大量的用户信息需求无法得到满足。

虎博针对金融领域的智能搜索方案

虎博基于语义智能推出的智能搜索和问答系统，可以很好地把底层数据和上层用户搜索行为打通。一方面从语义层面解析提炼用户的搜索意图，并通过知识图谱关联，把匹配的数据通过卡片的方式整合到搜索结果页面，返回给用户结构化甚至可视化的答案。

这套系统已经在方正、国信、恒泰等大部分头部券商的App中应用，在可统计范围内，方正证券旗下小方App在使用虎博的智能搜索引擎系统后，信息服务效率至少提升了50%。

目前，虎博智能搜索引擎服务覆盖用户已经超过了2500万。

2、新一代企业知识库

传统的知识库大多只能做到对异构格式的知识文件进行兼容。

但基于语义智能的方法体系，我们可以更进一步，使知识库更加智能、聪明，通过对知识内容解析挖掘语义标签，通过三元组的抽取构建知识图谱，对非结构化的数据进行提炼加工，从而让企业员工更加快速、高效地利用新一代企业知识库获取知识，提高工作效率。

换一个角度，一些特定的工种，比如投资顾问、客户人员，还可以通过新一代企业知识库快速获取知识后，更好地为他们的客户提供服务。

整体而言，虎博希望深入到金融乃至政务、传媒、商贸、能源等垂直领域，利用语义智能的方法体系，将晦涩的NLP技术模型和算法，变成可以帮助从业人员及用户便捷使用的智能决策工具，从而更高效地获取知识、使用知识，实现降本增效。