1.2-知識圖譜有什麼用？

知識圖譜通過幾年的發展已經獲得普遍的應用。當知識圖譜趕上人工智能，更加突顯出了它的優點和價值。

最早應用於搜索

![用Google搜索泰姬陵]()

• 最典型的就是在谷歌搜索引擎裏面應用。谷歌是在2012年率先提出來知識圖譜的概念，提出這個概念的最主要的目的就是用於改善它的搜索引擎的體驗。
• 咱們從這個圖就能夠看到，用戶搜索的是泰姬陵，泰姬陵是印度的很是著名的，也是世界八大奇蹟之一的景點。
• 這裏面不同的地方是它在搜索引擎的右側，會以知識卡片的形式來呈現跟泰姬陵相關的結構化的信息，包括泰姬陵的地圖、圖片、景點的描述、開放時間門票等等，甚至在下面會列出跟泰姬陵相相似或者相關聯的景點，好比中國的萬里長城一樣是世界的幾大奇蹟，包括金字塔等等。這樣的知識點，能夠很是好的把知識組織和關聯起來。

現已普遍應用於金融風控

![借款人身份信息]()

• 反欺詐是風控中很是重要的一道環節，也是知識圖譜適合應用的場景。反欺詐的核心是人，這就要求把與借款人相關的數據源打通，而後抽取該借款人的特徵標籤，

從而將相關的信息整合成結構化的知識圖譜。其中，不只能夠處理記錄借款人的基本信息，還能夠把借款人平常生活中的消費記錄、行爲記錄、關係信息、網上瀏覽記錄等整合到知識圖譜裏。在此基礎上，對該借款人的借貸風險進行分析和評估。

• 反欺詐的應用不只體如今貸前階段，還能夠應用在貸中階段，經過構建已知的主要欺詐要素(如手機、設備、帳號和地域等)的關係圖譜，全方位瞭解借款人風險數據的統計分析，對潛在的欺詐行爲做出及時的反應。固然，這要求可以得到借款人全方位的各類類型的信息，而且利用機器學習和天然語言處理技術從數據中提取出符合圖譜規格的數據。
• 相比虛假身份的識別，組團欺詐的發現難度更大。通常來講，團體欺詐每每隱藏在很是複雜的關係網絡裏，很難識別。只有把其中隱含的關係網絡梳理清楚，

纔有可能去分析出其中潛在的風險。知識圖譜，由於天生用來描述關係網絡，於是具有了分析組團欺詐的便捷手段。

電商營銷方面大顯身手

![電商網站推薦商品]()

• 基於知識圖譜的精準營銷，可以知道你的客戶的很是詳細的信息，包括名字，住址，常常和什麼樣的人進行互動，還認識其它什麼樣的人，網上的行爲習慣、行爲方式是什麼樣子。
• 這樣就能夠知識圖譜挖掘出更多的用戶的屬性標籤和興趣標籤，以及社會的屬性標籤，基於知識圖譜就能夠進行個性化的商品核心活動的推送可以實現，從而實現精準的營銷。
• 還能夠藉助商品知識圖譜，經過用戶已經購買的商品，推薦相關聯的潛在需求商品。

行業預測上的應用不容小覷

![企業信息知識圖譜]()

• 基於多維度的數據，從而創建起客戶、企業和行業間的知識圖譜，從行業關聯的角度預測行業或企業面臨的風險。例如，經過對行業進行細分，根據貸款信息、行業信息創建行業間的關係模型；經過機器學習，可發現各個行業間的關聯度，若是某一行業發生了行業風險或高風險事件，根據關聯關係能夠及時預測有潛在風險的其餘行業。從而能夠幫助金融機構作出預判，儘早地規避風險。
• 除此之外，經過知識圖譜，也能夠將行業和企業之間數據進行鏈接，藉助對行業的潛在風險的預測，可以及時發現與該行業風險或系統性風險相關聯的企業客戶。

例如，某地區某行業連續出現了多筆逾期貸款，經過對行業和客戶的知識圖譜進行分析，能夠及時發現該地區相關行業存在潛在風險的客戶。

還有知識搜索、智能問答方面

![智能問答系統知識圖譜]()

• 基於知識圖譜，咱們也能夠提供智能搜索和數據可視化服務。智能搜索的功能指的是，知識圖譜可以在語義上擴展用戶的搜索關鍵詞，從而返回更豐富、更全面的信息。好比，搜索某我的的身份證號，能夠返回與這我的相關的全部歷史借款記錄、聯繫人關係和其餘相關的標籤（如黑名單等）。這些結果能夠用圖形網絡的方式展現，從而把複雜的信息以直觀明瞭的圖像呈現出來，讓使用者對隱藏信息的前因後果一目瞭然。
• 問答系統可分爲面向任務、面向知識和麪向聊天三類，從關鍵技術上分，還能夠把其分紅基於搜索技術的問答系統、基於協同的問答系統、基於知識庫的問答系統。面向知識的問答系統可用於閉域和開放域，一般使用以數據爲驅動的信息檢索模型。該類方法基於從問答知識庫中查找與提問問題最匹配的知識。一份最新的研究工做嘗試使用基於神經網絡的方法實現問題間的匹配。最經常使用的一種方法是基於知識圖譜與信息檢索相結合的方法，檢索知識圖譜可給出高準確率的問答，並以信息檢索爲補充。

目前國內有表明性的企業應用

• 搜索方面的應用：像百度「知心」，搜狗「知立方」等
• 智能問答方面的應用：百度度祕，阿里小蜜，搜狗汪仔等
• 行業應用：脈脈，天眼查，企信寶，出門問問等

相關資料

• 爲何知識圖譜終於火了？
• 知識圖譜正在改變金融？深度解剖知識圖譜的四大應用