从数据到智慧：人机结合，金融行业知识图谱应用实践.pdfVIP

从数据到智慧：人机结合，金融行业知识图谱应用实践 金融领域由于强烈的数据依赖性和复杂性，被认为是 最适合落地的领域之一。目前，传统金融分门别类式的数据储存和处理方式已经 难以适应急剧增长的非结构化数据，瞬息万变的市场行情也对金融分析提出了实 时性和综合性的要求。那么人工智能将以怎样的方式来解决这一问题？ 本文给出了以下答案：建构金融领域 。通过专家系统和 算法的结合，实现海量非结构化数据实时综合利用，为金融行业提供最精准可靠 的决策依据。本文以金融行业的知识图谱为主题，详细介绍了知识图谱的构建方 法和应用场景，希望能给业界人士带来参考和启发。 根据阡寻科技发布内容整理，带来精选阅读。 作者介绍 白雪–阡寻科技联席CEO。复旦大学博士，曾任于上海证券交易所博士后工作站。 主要研究方向为金融文本挖掘、知识图谱项目研发、聚类分析、时间序列分析、 关联挖掘、个性化推荐等。拥有九年数据发掘项目研究及管理经验，涉及领域包 括金融、医疗、交通等，曾主持多个证券市场重点研究项目，之后就职于国金涌 富公司，从事 产品的设计工作。 熊昊–阡寻科技执行董事、总经理。香港大学计算机系博士（提前一年毕业）， 香港大学计算金融方向导师团成员。曾任上海证券交易所资本市场研究所博士后 研究员，研究领域为互联网证券与金融 ，国内早期互联网证券领域研究人员之一，主持包括“证券国际化”、“证券知 识图谱”在内的多个证券系统重点研究项目。后就职于广东省粤科金融集团有限 公司从事战略规划、投资决策委员会等相关工作。 白硕–阡寻科技董事长。曾任中科院计算所研究员、博士导师、软件室主任、软 件方向首席科学家。2000年起参与组建国家计算机网络应急技术协调中心 （CNCERT/CC）,2002年起任上海证券交易所总工程师。新一代交易系统设计师， 自然语言及人工智能领域资深专家，中文信息学会理事。 摘要： 大数据时代以其海量的数据，极大丰富了人们获取知识的来源与途径，为人们更 好的掌握与认知事物规律，提供了越来越丰富的手段。与此同时，随着数据量尤 其是非结构化数据的急剧增长，数据的分析与理解已经远远超过人类的理解与分 析速度，在某些应用场景甚至会出现随着数据的增长而应用效能下降的“拉弗曲 线”效应，困扰着行业的进一步发展。 抛开应用场景的数据解决方案通常都不能取得良好的效果，就针对证券行业这一 特定行业而言，存在着结构与非结构化数据并存、数据分析结果要求准确度极高、 数据分析结果经济效益明显直接的特点，对我们的分析手段提出了新的要求与挑 战。 金融知识图谱，一改传统数据分门别类的存储方式，以一种“活”的方式将实体、 属性、关系等非结构化、结构化数据固化并联系起来。构建金融知识图谱作为证 券文本语义理解和知识搜索的关键基础技术，为未来证券领域文本分析、舆情监 控、知识发现、模式挖掘、推理决策等提供了坚实支撑。 金融知识图谱在证券行业的应用目前尚处于探索阶段，如 ，智能公告等等，均可以大大提高传统业务效率。然而，构造和应用领域知识图 谱，尚面临着各种挑战和难题，需要行业专家和人工智能专家协作起来，以专家 +大数据的方式构筑自生长模式，从而真正将海量非结构化信息自动化利用起来， 成为领域应用决策的坚实支持。 1.引言 一部2009年上映的科幻巨作《阿凡达》，以智慧之树的形式承载并实现了历史 知识、记忆和现实生灵的 ，形象而精准地预测了知识科技的今天：人工智能领域顶尖的工程师，与行业资 深专家，正携手致力于基于知识图谱、深度学习、自然语言处理等前沿技术，融 合各行各业的知识归集与建模，共同构筑连接万物的知识之网、智慧之树。 知识图谱作为一种大规模的知识表示形态，本质上是一种语义网络。语义网络的 核心是以图的方式存储知识并向用户返回经过加工和推理的知识。知识图谱的研 究和应用，可分为基于广度的通用知识图谱和基于深度的领域知识图谱。通用知 识图谱，主要由各大搜索引擎公司，如Google、百度、搜狗等领衔研究，主要 目的是改善搜索体验，直接给出目标答案；而领域知识图谱，则可根据领域特定 的情况，有着变化万千的应用。本文将主要讨论领域知识图谱在证券行业的研究 和应用。 证券行业正面临着数据爆炸的问题。传统的金融数据服务商，历时数十年，已收 集整理了大量高质量的结构化数据，并以分门别类的方式，展示给用户。如何有 效的使用这些数据，则需要用户具备专业的金融