互聯(lián)網(wǎng)信息的爆炸式增長，具有大規(guī)模、多元化、組織結(jié)構(gòu)松散等特點(diǎn)，如何有效獲取信息和知識面臨巨大挑戰(zhàn)。

近年來興起的“知識圖譜”，漸漸成為一種新穎的管理海量信息的方式，受到各大互聯(lián)網(wǎng)公司青睞，并在不知不覺中被廣泛應(yīng)用于搜索、電商、社交等各個領(lǐng)域。

除此之外，該技術(shù)還被各大金融機(jī)構(gòu)以及人工智能公司關(guān)注，開始在金融反欺詐、安防等新的領(lǐng)域進(jìn)行嘗試應(yīng)用。

但是，知識圖譜技術(shù)依然不夠成熟，從第三方獲取技術(shù)服務(wù)費(fèi)等商業(yè)化依然處于探索階段。

一、知識圖譜基本概念

關(guān)于知識圖譜定義，復(fù)旦大學(xué)教授肖仰華在其著作《知識圖譜》中這么解釋：“作為一種知識表示形式，知識圖譜是一種大規(guī)模語義網(wǎng)絡(luò)，包括實體、概念及其之間的各種語義關(guān)系?！比缦聢D，柏拉圖就是一個實體，他是一個哲學(xué)家（概念）。

冰鑒科技知識圖譜業(yè)務(wù)負(fù)責(zé)人認(rèn)為：“知識圖譜核心價值在于如何沉淀知識。圖譜開始建立的時候，都是關(guān)系圖譜，通過大量的模型，借助于圖譜模型的高度解釋性的優(yōu)勢，構(gòu)建和形成很多隱性關(guān)系和實體標(biāo)簽，最后建設(shè)成為知識圖譜。在關(guān)系圖譜到知識圖譜的建設(shè)過程中，業(yè)務(wù)專家高度參與，利用知識圖譜的探索式數(shù)據(jù)分析能力，自助構(gòu)建高度解釋性的業(yè)務(wù)知識模型，形成知識沉淀的迭代和高度分享。”

知識圖譜是典型的大數(shù)據(jù)時代產(chǎn)物，具有規(guī)模巨大、質(zhì)量精良、結(jié)構(gòu)友好等優(yōu)點(diǎn)。

2017年，我國科學(xué)目錄調(diào)整時，首次出現(xiàn)了知識圖譜學(xué)科，教育部對知識圖譜這一學(xué)科的定位是“大規(guī)模知識工程”。

二、知識圖譜發(fā)展與應(yīng)用

知識圖譜早期主要用于搜索結(jié)果優(yōu)化，隨著電商、互聯(lián)網(wǎng)金融等興起，應(yīng)用領(lǐng)域不斷增加，包括智能推薦、智能客服、金融風(fēng)控、安全與安防等都在積極探索。

1、搜索優(yōu)化

知識圖譜的誕生最早可以追溯到2010年前后，主要是為了解決搜索引擎用戶體驗問題。搜索領(lǐng)域主要面臨兩方面問題：

一方面，搜索需求和搜索結(jié)果往往難以匹配，經(jīng)常有“搜”非所問的情況；另一方面，搜索結(jié)果編排無序，顯示雜亂。

2010年，微軟開始構(gòu)建MicrosoftSatori知識圖譜來增強(qiáng)Bing搜索能力；2012年5月，Google公司為了支撐其語義搜索推出KnowledgeGraph，目前已成為全球最大的知識圖譜。2012年11月22日，搜狗知立方上線，成為國內(nèi)首個搜索引擎“中文知識圖譜”。差不多同一時間，百度知識圖譜被立項。2013 年，F(xiàn)acebook發(fā)布OpenGraph應(yīng)用于社交網(wǎng)絡(luò)智能搜索。早期各大搜索平臺主要依賴“關(guān)鍵字搜索”技術(shù)，返回給用戶包含關(guān)鍵字的網(wǎng)頁列表，用戶需要進(jìn)一步瀏覽這些網(wǎng)頁并且過濾掉大量無用信息才能找到真正想要的結(jié)果，用戶更希望能夠“直接得到答案”。利用知識圖譜技術(shù)可以直接給出用戶想要的搜索結(jié)果，而不再是各類鏈接。如下圖，搜索“上海有多少人？”360搜索直接展示出國家統(tǒng)計局的數(shù)據(jù)，用戶直接將鼠標(biāo)移動到相應(yīng)年份，可以快速查看各年數(shù)據(jù)。

隨后，知識圖譜引入到電商搜索領(lǐng)域。2015年，阿里巴巴開始構(gòu)建電商領(lǐng)域知識圖譜——認(rèn)知圖譜；2016年Amazon也緊隨其后開始構(gòu)建知識圖譜。2018年5月，美團(tuán)點(diǎn)評NLP中心開始構(gòu)建大規(guī)模的餐飲娛樂知識圖譜——美團(tuán)大腦。在搜索領(lǐng)域，知識圖譜能夠?qū)⒂脩羲峤坏牟樵冊~理解成實體或者概念，通過實體或者概念匹配為用戶返回其可能關(guān)心的全部網(wǎng)頁內(nèi)容。搜索引擎中知識圖譜的搜索過程如下：知識圖譜用文本和知識融合的閱讀理解模型，使搜索結(jié)果更理解客戶需求。對于電商平臺來說，交易量和客戶活躍度也是其核心競爭力，而客戶一般都是通過搜索獲得想要的商品，越精準(zhǔn)的搜索結(jié)果，客戶使用越多。因此，百度、搜狗、阿里巴巴、美團(tuán)、騰訊等不斷摸索，紛紛嘗試構(gòu)建自己的知識圖譜平臺。

2、智能推薦

除了優(yōu)化搜索結(jié)果，知識圖譜還可以幫助電商以及社交平臺解決一些智能推薦問題。例如，當(dāng)前一些中小平臺在智能推薦方面最大的問題是“買了啥，推薦啥”或者“推薦的商品與客戶無關(guān)聯(lián)”。推薦商品缺乏新穎性，導(dǎo)致轉(zhuǎn)化效果一般。知識圖譜可以幫助電商平臺跳出這種簡單的推薦邏輯，使得推薦結(jié)果更加智能化，促進(jìn)用戶購買。

備注：左圖展示了實體鏈接如何應(yīng)用于智能問答問題推薦，問題通過SLU處理之后會得到其意圖和主實體，然后借助實體推薦得到相關(guān)的實體，相關(guān)實體被用來構(gòu)建相關(guān)的問題，比如說”武漢大學(xué)周邊好吃的？“，識別到其主實體為”武漢大學(xué)“、核心意圖為”美食“，以此推薦實體相關(guān)的問題，比如說”華中科技大學(xué)周邊有什么好吃的？“，”清華大學(xué)周邊有什么好吃的？“，”武漢科技大學(xué)周邊有什么好吃的？“。同時實現(xiàn)了推薦意圖相關(guān)的問題，比如說”武漢大學(xué)周邊有什么好玩的？“，”武漢大學(xué)周邊有什么景點(diǎn)？“，”武漢大學(xué)周邊有什么酒店？“等等。

右圖展示了實體推薦在圖譜自動化構(gòu)建平臺上的應(yīng)用，當(dāng)用戶搜索一個實體的時候，平臺會為其推薦相關(guān)的實體。

3、金融風(fēng)控

近些年，消費(fèi)金融和小微企業(yè)貸興起后，銀行以及其他持牌金融公司、助貸機(jī)構(gòu)、人工智能公司等開始將知識圖譜應(yīng)用于風(fēng)險控制，特別是識別團(tuán)伙欺詐。

知識圖譜的推理能力和可解釋性，在金融場景中具有天然的優(yōu)勢。艾瑞咨詢年初發(fā)布的《2020年中國面向人工智能“新基建”的知識圖譜行業(yè)研究報告》指出，隨著近些年金融數(shù)據(jù)的爆發(fā)式增長，傳統(tǒng)風(fēng)控系統(tǒng)逐漸力有不逮，而應(yīng)用機(jī)器學(xué)習(xí)算法和知識圖譜的智能風(fēng)控系統(tǒng)在風(fēng)險識別能力和大規(guī)模運(yùn)算方面具有突出優(yōu)勢，逐漸成為金融領(lǐng)域風(fēng)控反欺詐的主要手段。

在金融領(lǐng)域，知識圖譜可以應(yīng)用于小微企業(yè)信貸、消費(fèi)信貸、信用卡申請等反欺詐業(yè)務(wù)，還可以用來識別會計造假。

基本原理簡單理解是：“物以類聚，人以群分?！?/strong>如“同一個WiFi下多個企業(yè)借款客戶”，或者“同一個設(shè)備注冊多個企業(yè)賬號申請借款”，都可能與欺詐相關(guān)。因此，信貸欺詐的識別問題可以轉(zhuǎn)化為客戶知識圖譜挖掘或社交網(wǎng)絡(luò)分析問題。即把企業(yè)工商信息、新聞動態(tài)、股東關(guān)系、股權(quán)變更、司法訴訟等等整合到反欺詐知識圖譜里，經(jīng)過分析和預(yù)測，挖掘識別欺詐案件，如利用殼公司貸款等。據(jù)冰鑒科技知識圖譜負(fù)責(zé)人介紹，目前冰鑒正在與銀行合作，構(gòu)建不同條件下，不同場景的知識圖譜模型，給知識圖譜的實體關(guān)系打上標(biāo)簽或者挖掘新的關(guān)系，以便更好的應(yīng)用于金融風(fēng)控。

 

圖7：圖特征整體框架設(shè)計

資料來源：冰鑒科技研究院

再從常見的擔(dān)保業(yè)務(wù)來看，擔(dān)保網(wǎng)絡(luò)可簡化為規(guī)模較小、相對獨(dú)立的擔(dān)保群。擔(dān)保群間擔(dān)保關(guān)聯(lián)稀疏；擔(dān)保群內(nèi)部聯(lián)系緊密，擔(dān)保圈風(fēng)險一般只發(fā)生在群內(nèi)部，找到風(fēng)險最大的擔(dān)保群，然后就可以找到風(fēng)險最大的擔(dān)保企業(yè)。

在金融領(lǐng)域，除了冰鑒科技外，建設(shè)銀行、招商銀行、光大銀行、南京銀行等商業(yè)銀行，360數(shù)科、萬象智聯(lián)等均在積極嘗試?yán)迷摷夹g(shù)進(jìn)行風(fēng)險控制。

4、智慧城市

公安機(jī)關(guān)在偵查案件時，經(jīng)?？吹睫k案民警用圖譜梳理案件及人物關(guān)系。在電視劇《人民的名義》中，警方利用知識圖譜分析，可以很快看清“山水集團(tuán)”背后的利益鏈條。

除此之外，知識圖譜從大數(shù)據(jù)中深度挖掘關(guān)聯(lián)關(guān)系，可準(zhǔn)實時分析多至千億級海量關(guān)系數(shù)據(jù)，轉(zhuǎn)化為關(guān)系圖譜數(shù)據(jù)，支撐公安機(jī)關(guān)展開情報研判分析、犯罪團(tuán)伙跟蹤以及重大事情預(yù)警等。

5、其他領(lǐng)域

除了以上應(yīng)用領(lǐng)域外，智慧醫(yī)療、智能客服（智能問答）等領(lǐng)域也在積極利用知識圖譜技術(shù)，使結(jié)果更加準(zhǔn)確，使機(jī)器人客服更加智能。

三、知識圖譜的技術(shù)與應(yīng)用挑戰(zhàn)

 

2018年10月，知識圖譜首次進(jìn)入國際知名咨詢公司Gartener的技術(shù)成熟度曲線，目前正處于技術(shù)成熟曲線的上升階段，特別是學(xué)習(xí)和推理技術(shù)亟待突破，預(yù)計進(jìn)入成熟期還需要5-10年。知識融合和知識推理是知識圖譜的關(guān)鍵技術(shù)，但目前都面臨很多挑戰(zhàn)，主要包括：

1、當(dāng)知識圖譜不能準(zhǔn)確將具有同義異名的實體對齊或?qū)⑼惲x的實體消歧就會導(dǎo)致知識圖譜中出現(xiàn)知識冗余或缺失；

2、如何模仿人腦機(jī)制實現(xiàn)小樣本或零樣本學(xué)習(xí)知識推理；

3、知識圖譜中知識的有效性往往受到時間空間等動態(tài)因素約束，如何合理利用知識的動態(tài)約束信息完成動態(tài)推理也是知識推理的一大挑戰(zhàn)；

4、在自然語言處理仍然不能有效完成抽取任務(wù)的現(xiàn)實下，能否充分利用各類資源，能否有效利用已經(jīng)積累的業(yè)務(wù)知識，能否充分利用人力因素進(jìn)行驗證或者標(biāo)注，均對知識圖譜落地的效果產(chǎn)生顯著影響。

比如搜索“蘋果”，淘寶出現(xiàn)的全是蘋果手機(jī)，而京東既有蘋果手機(jī)，也有蘋果（水果）。這說明兩家公司對同一客戶需求判斷出現(xiàn)了語義分歧，前者認(rèn)為客戶只需要蘋果手機(jī)，后者認(rèn)為客戶還可能想吃蘋果。但是，出現(xiàn)這樣的結(jié)果卻很難判斷誰好誰壞，不同用戶體驗是不一樣的。

此外，電商、金融、安防等等領(lǐng)域都可以搭建知識圖譜平臺，但是如何更好的與這些應(yīng)用場景結(jié)合，在不同公司不同行業(yè)之間低成本遷移、商業(yè)化落地，面臨重大挑戰(zhàn)。

四、知識圖譜商業(yè)化探索

 

目前來看，電商領(lǐng)域（淘寶、美團(tuán)等）、通用搜索平臺（百度、搜狗搜索）都是自建知識圖譜平臺，且已經(jīng)有效提高了客戶體驗，增加了用戶粘性。

但知識圖譜在第三方的商業(yè)化依然處于探索階段。

據(jù)冰鑒科技研究院了解，智能客服已經(jīng)在很多行業(yè)開始商業(yè)化應(yīng)用，而其核心技術(shù)就是知識圖譜，極大地減少企業(yè)的客服成本。在電商領(lǐng)域，未來很可能會將相關(guān)知識圖譜技術(shù)對外輸出，特別是一些垂直領(lǐng)域的電商平臺。在金融領(lǐng)域，第三方人工智能公司為銀行等金融機(jī)構(gòu)搭建知識圖譜平臺獲取技術(shù)服務(wù)費(fèi)是其主要的商業(yè)化的方法之一。如建設(shè)銀行，在2019年6月對外發(fā)布人工智能運(yùn)維知識圖譜產(chǎn)品供應(yīng)商征集公告。

從短期來看，在大多數(shù)細(xì)分領(lǐng)域，知識圖譜平臺商業(yè)化還比較困難，一方面缺少有效付費(fèi)用戶，另一方面公開數(shù)據(jù)有限、相關(guān)知識抽取困難，知識圖譜平臺難以搭建；從長期來看，據(jù)艾瑞咨詢推算，知識圖譜核心產(chǎn)品的市場規(guī)模預(yù)計2024年將突破200億元，年復(fù)合增長率達(dá)到20.4%。