2024大模型增强下的图智能在金融场景的应用.pptx

大模型增强下的图智能在金融场景的应用图智能解决方案架构师

目录图智能技术在金融领域典型应用图智能技术当前遇到的挑战如何结合大模型技术和图智能技术应对挑战案例分享

图智能技术一图观万物，一图胜千言什么是图？基于图论以点 (实体) 和边 (关系) 描述现实世界中个体和个体之间网络关系的数据结构。有哪些图技术？图数据库、 图计算引擎、 图可视化、图分析什么是图数据库？图数据库是基于实体和关系建模的数据库系统。以点、边为基础存储单元，以高效存储、查询图数据为第一设计原理的数据管理系统。

图智能技术的发展趋势和典型应用参与数据和分析比例10%-80%到2025年，图技术将用于80%的数据和分析创新而2021年只有10%，将促进整个企业的快速决策组织中使用30%到2023年，图技术会在全世界30%的组织中促进快速的场景化决策它将帮助找到数据中未知的关系，找到传统分析方法中不易发现的价值AI50%/44%图构筑了现代数据以及分析能力的基础50%的Gartner客户咨询过围绕图技术的AI应用相关的话题44%的全球ML的研究都与图神经网络相关来源：Gartner图数据库/图分析平台非结构化数据（word,pdf,text,image,video..)半结构化数据(Json,xml..)结构化数据(MySQL,Oracle等关系型数据库,csv..)知识图谱知识图谱问答知识库基础图谱集团图谱实控人图谱客户关联图谱图智能分析应用反洗钱风控反诈骗

图智能技术当前在金融行业的应用业务系统业务前端用户半结构化数据结构化数据非关系型数据库产生数据交互应用图数据库存储图计算引擎图数据库以图结构存储 算法支撑知识图谱数据获取基于AI的知识抽取加工融合基于图的知识存储/计算基于AI的知识获取/建模图神经网络/图卷积网络(GNN/GCN)图算法支撑图数据+AI分析图智能分析应用图智能服务基础图谱知识库服务智能搜索智能问答虚拟助手反欺诈资金环路、回流检测欺诈交易发现信贷申请欺诈团伙发现对公信贷申请欺诈发现反洗钱构建面向反洗钱的图谱分析建模发掘可疑个体关联数据进行团伙发现模型固化后自动化预警智能风控贷款流向异常分析贷款还款异常分析企业状态异常分析企业违约风险分析智能营销私人银行潜在高净值客户挖掘私人银行客户生态圈分析对公客户生态圈分析信用卡高价值成长路径分析

知识图谱构建过程结构化数据半结构化数据非结构化数据实体抽取关系抽取属性抽取第三方知识库指代消解实体消歧实体对齐实体链接本体抽取知识推理质量评估存储计算知识图谱步骤1：数据获取步骤2：知识建模与知识获取步骤3：知识融合步骤4：知识加工步骤5：知识存储与计算知识融合

基础图谱构建过程源数据实体基本信息股权表上市公司表高管任职表执行事务合伙人表….股权穿透算法真实持股关系集团龙头识别实控人识别算法集团识别算法实控关系集团成员关系企业图谱实际控制人图谱集团图谱

数据融通图模式图计算图探查业务主题图谱类型数据来源业务理解面向主题，构建图谱实体/关系识别数据映射数据加工针对图谱数据进行业务/数据分析发现结构性探查图算法分析图模式识别通过数据/API/可视化的方式将分析结果集成到现有系统图智能分析流程建立图谱

图智能分析应用流程发起业务诉求图模型设计图实例新建图数据接入配置数据来源即加工方式梳理数据全量/增量接入可视化分析探查已有算法/规则参数调整或定制算法/规则执行分析图数据折叠（关系加工）加工逻辑验证业务校验加工逻辑批量执行调度多轮调整验证数据同步执行结果批量回写入图全量图算法/规则投放业务应用全量图算法/规则执行和管理结果集成数据查询管理及计算资源调度

图智能技术当前遇到的挑战1.图谱构建成本高知识图谱基础图谱如何加速图谱的使用2.1如何理解业务需求并选择模式2.2.如何将图数据结果更友好的呈现图智能分析应用非结构化数据（word,pdf,text,image,video..)半结构化数据(Json,xml..)结构化数据(MySQL,Oracle等关系型数据库,csv..)

大模型辅助图谱构建建图方式建图场景建图思路大模型如何辅助自动建图元数据之间的关系根据元数据利用大模型进行自动建图推荐，人工校验通过大模型进行元数据的补齐结构化数据的图构建根据元数据梳理的关系，自动构图，比如社交网络、供应链等通过大模型进行自动映射的发现非结构化数据：文档段落之间的关系--粗粒度的图结构根据段落抽取对应的图包括分级目录结构切片前后关系文档片段与标签的关系通过大模型对文档进行初步切分整理通过大模型进行实体关系提取结构化数据与非结构化数据之间的关系（企业内典型的关系