知识图谱在金融领域的应用

一. 知识图谱和金融领域简述

什么是知识图谱？

借鉴其中一个理解：

知识图谱主要的目标是用来描述真实世界中间存在的各种实体和概念，以及它们之间的关联关系。

 

具体理论知识就不在此赘述，对于这个抽象的概念会有一篇文章来列举一个代表性的例子。

知识图谱起源于语义网络，最初由Google提出用与优化搜索结果，发展至今已经应用于各个垂直化领域。从商业概念上，知识图谱可分为“通用知识图谱”和“行业知识图谱”。通用知识图谱顾名思义是面向全领域的，强调的是“广度”，比较著名的知识库有Freebase, Wikidata, Yago, DBPedia等。

行业知识图谱是面向特定的垂直领域，对于数据有更严格的前置数据模式和更准确的准确度要求，强调的是“深度”。两者之间的主要区别在于前者是“自底向上”构建的知识库，后者是“自顶向下”构建的知识库。

金融领域数据是典型的具有”4V”特征的大数据（数量海量Volume、多结构多维度Variety、价值巨大Value、及时性要求Velocity）。进一步，金融领域是最能把数据变现的行业。金融业类别业非常广，大类主要包括：银行类、投资类、保险类等。再小粒度可分为：货币、债券、基金、信托等资管计划、要素市场、征信贷款等。知识图谱在金融领域的应用主要包括：风控、征信、审计、反欺诈、数据分析、自动化报告等，本文主要讨论知识图谱在小微风控的应用。

风控是指如何当项目或企业在一定的风险的环境里，把风险减至最低的管理过程。它的基本程序包括风险识别、风险估测、风险评价、风险控制和风险管理效果评价等环节。

风险控制的最大两个分类为企业风险监控和个人贷款审核。企业数据包括ÿ