行业 来源：壹点网 时间：2022-12-26 11:24:51
知识图谱技术为破解人工智能难解释性的困境提供了重要基础，近年来备受学术和产业界的高度关注。知识图谱的发展离不开算法和模型的创新，更离不开科技企业以更多的应用场景来持续提供“练兵场”。
零售银行是知识图谱绝佳的应用之地，近年来随着商业银行纷纷开启“第二增长曲线”，零售银行业务受到了前所未有的关注度。零售银行的发展进入了存量竞争的全新阶段，商业银行希望通过深度服务和价值创造来构建一个更长期和紧密的客户关系。
零售业务的一大特点就是客群数量庞大，国有大行零售客群都是以亿为单位。客群是由个体组成，当客户关系网络中部分关联人出现信用风险时，风险可能会沿着关联关系链传递、叠加、蔓延，进而传染相关关联主体，导致群体性的信用风险发生。
目前，零售金融所面临的欺诈风险主要来自于申请和交易环节，传统的风险管理模式，很难去揭示社群特征和客户之间的关联关系，难以识别团伙欺诈，也难以辨析样本稀疏、隐蔽性高、欺诈行为动态变化等特征，知识图谱为解决这一问题提供了全新的视角。
以某国有大行为例，该行在不断深化布局科技领域的“自主研发+外部合作”模式。百融云创作为该行重要合作伙伴，基于总行知识图谱平台、机器学习平台，协助构建复杂关系网络，实现以客户为中心的风险全景视图，增强数字化风险管理能力。
在此项目中，百融云创通过打造客户的复杂网络，发现传导路径，并引入机器学习，结合图分析技术，构建源发风险模型、传染权重模型、传染风险模型、多边概率整合模型、风险融合模型5大人工智能模型，量化客户内外部所有风险，可为信贷业务在贷前准入环节、贷中、贷后持续助力风险预警精细度和精准度，提升客户信贷风险管理水平。
数智化时代，知识图谱作为人工智能的重要基础，因其智能、高效的知识组织优势，得到银行的广泛关注。随着知识图谱平台建设日渐成熟，知识图谱在精准营销、风险管理等业务场景上发挥越来越重要的作用。但值得一提的是，知识图谱技术如何更好的与这些应用场景结合，更好的实现商业化落地，还是需要进一步探索的课题。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
标签：
