注：近日，海致星圖CEO楊娟在天堂硅谷信息技術閉門會上做了精彩發(fā)言，以下根據(jù)其講話實錄整理而成。
在2018年和2019年Gartner的新興技術曲線當中，連續(xù)兩年出現(xiàn)對知識圖譜的評估。知識圖譜仍然處于促動期（Technology Trigger）。Gartner的預計是5年之后，知識圖譜將進入實質(zhì)生產(chǎn)的高峰期（(Plateau of Productivity)。作為知識圖譜這個領域的資深從業(yè)者，我認為這是對知識圖譜這門技術的一個非?？陀^的評價。2016年，海致星圖成為國內(nèi)將知識圖譜應用于金融領域的先行者。百度出身的創(chuàng)始團隊和擁有IBM、阿里云等產(chǎn)業(yè)背景的運營團隊聯(lián)手之下，海致星圖短短三年間發(fā)展迅速：從招行打開局面后，現(xiàn)如今已經(jīng)服務于四十余家金融機構(gòu)，覆蓋銀行、券商、證券交易所、保險等場景。
眾所周知，知識圖譜被譽為認知智能的核心技術。然而認知智能之路，遠比計算智能、感知智能要漫長，知識圖譜這門技術也在不斷演進之中。在過去幾年當中，知識圖譜較為成熟的落地場景主要集中在圖相關的領域，知識圖譜的極大魅力在于它的圖結(jié)構(gòu)，可以在知識圖譜上運行搜索、隨機游走、網(wǎng)絡流等大規(guī)模的圖算法，使得知識圖譜與圖論、概率圖等碰撞出火花，解決了面向復雜關系的分析與發(fā)掘的難題，在企業(yè)股權(quán)關系透析、欺詐團伙發(fā)現(xiàn)、客戶親密度檢測等領域釋放出巨大價值，得到金融機構(gòu)的廣泛認可。這些在過去傳統(tǒng)數(shù)據(jù)技術條件下無法實現(xiàn)的智能化分析，依靠知識圖譜得到了解決。例如，在招商銀行信用卡中心，海致星圖知識圖譜平臺之上構(gòu)建了一張20億節(jié)點、300億條邊的客戶網(wǎng)絡，在網(wǎng)絡上運行了數(shù)十個面向關系挖掘的業(yè)務模型，在精準營銷、貸中預警、貸后失聯(lián)修復等領域釋放出巨大的業(yè)務價值。
隨著時間的推移，知識圖譜的相關技術也在不斷發(fā)展。在技術層面，知識圖譜技術和方法除了進一步與自然語言處理技術深度融合，另外一個更加明顯的趨勢是和深度學習在更多層面形成互補，通過表示學習的手段把知識圖譜中的離散符號（實體、屬性、關系、值等）用連續(xù)型數(shù)值進行表示，從而提升深度神經(jīng)網(wǎng)絡的可解釋性，以及將圖神經(jīng)網(wǎng)絡方法應用于知識圖譜的推理與挖掘分析，利用知識圖譜里面所蘊含的豐富關聯(lián)性知識幫助減少少樣本和零樣本學習的難題。
具體到行業(yè)應用層面，體現(xiàn)在金融因果關聯(lián)圖譜的精細化構(gòu)建及深入應用，包括圍繞事件構(gòu)建事理知識圖譜、利用事件抽取技術提升新聞事件識別的敏感度、建立事件因果推理知識庫、利用事理圖譜分析技術對事件影響力傳導進行深度分析等，挖掘事件之間隨著時間推移的相互影響，基于動態(tài)的事件本體構(gòu)建以及關系抽取、動態(tài)推理，來進行違約概率關聯(lián)波動、授信客戶欠息/逾期關聯(lián)代償效應、風險事件傳導強度估計與傳染廣度等分析。
事件的影響分析有兩個維度，一是事件回測，二是事件傳播影響。事件回測是對歷史上同類事件的發(fā)生做一個數(shù)據(jù)統(tǒng)計分析，對于上市公司而言，回測的目標可以是設定為行情的收益率、波動率或者某個金融工程的具體模型，目的是看歷史上同類事件發(fā)生后，對于相關公司會有什么樣的影響。事件傳播影響則是通過事件識別命中某個事件主體，將該主體關聯(lián)到圖譜里，可以查看跟這個事件相關的企業(yè)鏈信息、股權(quán)鏈信息和產(chǎn)業(yè)鏈信息。事件自身的正負面、影響度、熱度會沿著知識圖譜實體的關系網(wǎng)絡進行傳播，對這個傳播影響進行定型或者定量的分析。例如深圳證券交易所與上海證券交易所均與海致星圖合作構(gòu)建了風險事件傳導推理平臺，對于市場突發(fā)事件，例如p2p暴雷、中美貿(mào)易摩擦等，通過知識圖譜量化預測它的影響范圍、影響力、傳染路徑，加強對上市公司的監(jiān)管。
隨著金融監(jiān)管政策以及數(shù)據(jù)隱私保護政策的不斷加強，數(shù)據(jù)智能技術在個人消費領域應用進入了平穩(wěn)期，而在產(chǎn)業(yè)端的廣闊應用前景則被剛剛打開。在工業(yè)制造及能源領域，針對設備智能化運營的知識圖譜正在蓬勃興起，例如在“設備一致，網(wǎng)架統(tǒng)一，關系聯(lián)通”的總體原則下，構(gòu)建變電站、線路、變壓器、桿塔、通道、用戶、電能表等實體的關系網(wǎng)絡，實時檢測線損相關的電量異常數(shù)據(jù)，并確保各設備橫向保持一致且縱向關聯(lián)無斷點，提升輸電線路工程建設和巡檢的智能化、自動化水平。
產(chǎn)業(yè)端的復雜程度較之消費端呈指數(shù)級上升，對復雜事物的理解與認知，需要融會貫通機器知識與專家知識，實現(xiàn)真正的“人機通行”，這正是知識圖譜應用的最佳領域。我們相信，知識圖譜應用的最好時代正在來臨。
