五个场景告诉你知识图谱如何应用？

| 鼎富大数据原创作品，转载请注明出处知识图谱也称为“语义网络”，是一种基于图的数据结构。知识图谱是把所有不同类型的信息连接在一起而得到的一个关系网络。它提供了从'关系'的角度去分析问题的能力，是关系的最有效的表达方式。我们最常见的知识图谱的表现形式大多数是来自搜索引擎的知识库，在这些由网民协同构建的知识库中，包含了大量的结构化知识。此外，互联网的海量网页中也蕴藏了海量知识，我们也可以通过自动化抽取技术来构建知识图谱。测测你手机号能领到多牛的股 广告 接下来，是知识图谱的一些应用场景：场景一 新闻事件的关联分析在2015年全国瞩目的两会中，民生作为百姓生活、百姓利益息息相关的议题，一直是民众关注的热点。鼎富科技通过对互联网的新闻网页数据采集，构建了两会期间热门话题相关的知识图谱，该图谱不仅呈现了热门话题与之关联的人物关系，同时也对关联度和疏密度做了分析。 展开剩余71% 从数据中可以看出国家总理李克强与全国人大新闻发言人傅莹是出现频次最多的人物，这代表他们被民众提及频次最多，同时与他们相关联的两大热点话题分别是“服务型政府”和“新型城镇化”。场景二 识别反欺诈潜在风险知识图谱这种直观的关联关系表示方法，可以更有效的帮助我们分析复杂关系中存在的潜在风险。比如，我们可以整合借款人的消费记录、行为记录、地域信息、购物习惯、信用记录等信息，把从网络上获取的非结构化数据利用自然语言处理技术变成结构化数据，从而进行分析和预测，最后形成一个知识图谱。从而通过身份造假、团体欺诈等信息有效识别分析出存在欺诈风险的概率。场景三 不一致性验证识别不一致性验证和交叉验证类似，这个方法可以借助知识图谱来判断借款人的欺诈风险。比如，小白作为借款人在银行提供的信息表单中填写的家人名称为A，而小黑在银行借款人信息表单中家庭成员一项填写的也是A。当我们试图把借款人的信息添加到知识图谱里的时候，一致性验证会自动识别其小白、小黑、A三者的“三角关系”是否正确。如果不正确，这种存在欺诈风险的链接预测结果就会被纳入不一致性验证名单中。场景四 失联客户管理除了贷前的风险控制，知识图谱也可以在贷后发挥其强大的作用。比如在贷后失联客户管理的问题上，知识图谱可以帮助我们挖掘出更多潜在新的联系人，从而提高催收的成功率。现实中，不少借款人在借款成功后出现不还款现象并且玩“失踪”，使得催收人员因无法联系借款人本人，对这种尴尬的“失联”状态而无从下手。那么就需要借助知识图谱，挖掘出更多的与借款人有关系的新联系人，这样就会大大提高催收成功率。场景五 知识图谱的可视化展示基于知识图谱，我们也可以提供数据可视化的展示。比如，通过一个借款人的身份证号，知识图谱中就会出现与之相关的借款记录、联系人信息、行为特征、职业、同业等关联标签信息。通过知识图谱的可视化展示把复杂的信息非常直观的呈现出来，使得我们对信息的整体关联情况可以一目了然。知识图谱对自然语言处理和人工智能等领域具有重要意义，如何有效实现知识图谱应用场景的深度知识推理，还需要我们找到合适的应用之道并不断的创新探索。中国非结构化大数据领先技术提供商DINFO DiscoverInformation 发现信息价值 服务企业创新 声明：本文由入驻搜狐号作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。