贾志鹏-大模型增强下的图智能在金融场景的应用.pdf

《贾志鹏-大模型增强下的图智能在金融场景的应用.pdf》由会员分享，可在线阅读，更多相关《贾志鹏-大模型增强下的图智能在金融场景的应用.pdf（20页珍藏版）》请在三个皮匠报告上搜索。

1、大模型增强下的图智能在金融场景的应用Fabarta图智能解决方案架构师/贾志鹏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图智能技术一图观万物，一图胜千言一图观万物，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图智能技术的发展趋势和典型应用参与数据和分析比

2、例10%-80%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%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%50%/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图数据库图数据库/图分析平台图分析平台非结构化数据非结构化数据（word,pdf,text,image,vid

3、eo.)半半结构化数据结构化数据(Json,xml.)结构化数据结构化数据(MySQL,Oracle等关系型数据库,csv.)知识图谱知识图谱知识图谱问答知识库基础图谱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图智能技术当前在金融行业的应用业务业务系统系统业务业务前端前端用户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图数据库以图结构存储算法支撑知识图谱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

4、法支撑图数据+AI分析图图智能分析智能分析应用应用图智能图智能服务服务基础图谱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

5、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知识融合基础图谱构建过程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

6、分析流程图智能分析流程建立图谱图智能分析应用流程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图智能技术当前遇到智能技术当前遇到的挑战的挑战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非