知識圖譜（Knowledge Graph/Vault）技術作為人工智能技術重要的分支之一，能以可視化的方式展示實體之間的關聯(lián)，能更快、更簡單地發(fā)現(xiàn)新的信息、新的非結構數據模態(tài)和新的知識，達到洞察客戶、降低商務交易風險的目的。

一、知識圖譜技術基本情況

（一）定義

知識圖譜（Knowledge Graph/Vault）又稱為科學知識圖譜，本質上是語義網絡，是一種基于圖的數據結構，由節(jié)點（Point）和邊（Edge）組成（如下圖）。節(jié)點是現(xiàn)實世界中存在的“實體”；邊是實體與實體之間的“關系”。知識圖譜是關系網絡最有效的表達方式，可以用來更好地查詢復雜的關聯(lián)信息，從語義層面理解用戶意圖。通俗地講，知識圖譜就是把所有不同種類的信息連接在一起而得到的一個關系網絡。它提供了從“關系”的角度去分析問題的能力。

（二）技術優(yōu)勢

一是能快速明白真正含義和指向，規(guī)避一詞多義現(xiàn)象。比如“蘋果”可能是某個公司名稱，也可能是一種水果。如果僅通過關鍵詞匹配，常常會產生歧義。而知識圖譜可以通過上下文實體關聯(lián)關系，縮小搜索范圍，借助優(yōu)先級算法，快速找到用戶真正關心的東西。

二是能提供智能的知識網絡。知識圖譜能更智能、更精準的理解字符串的含義，更簡潔高效的提供信息服務。比如，Google搜索引擎在頁面右側推出了以知識圖譜為背景的知識面板Knowledge Panel。當用戶搜索某個事物時，左側是傳統(tǒng)谷歌搜索返回的一列按相關度排列的網站鏈接，右側則將一條條與搜索內容有關的知識作為結果直接呈現(xiàn)，省去了逐個網頁點擊閱讀的“痛點”。

三是具備可擴展性。在企業(yè)的數據庫、文檔、傳感器、訪問日志、圖像、音視頻等數據中包含了大量反映企業(yè)業(yè)務的數據事實和業(yè)務知識。知識圖譜不同于以往的關系型數據庫存儲，將所有數據以“實體-關系-實體”的形式進行存儲，最直觀的展示了數據及數據背后的關聯(lián)，基于動態(tài)可擴展的本體模型支持存儲結構化、半結構化、非結構化數據。

四是具備強大的推理挖掘和不一致性檢測功能。知識圖譜不僅限于滿足數據存儲和調用的功能，通過知識圖譜，我們可能會了解到之前不知道的東西，以及這些不同東西之間的關聯(lián)關系。通過知識推理的方式把隱含的信息表達出來，甚至可以利用知識圖譜里面的不一致性去檢測發(fā)現(xiàn)已存矛盾或有沖突的知識。

二、知識圖譜技術在保險業(yè)內的應用實踐

（一）風控反欺詐

近年來，金融欺詐形式花樣繁多，團伙欺詐、內外勾結等手法推陳出新，不少欺詐案件會涉及到復雜的關系網絡。在這種嚴峻形勢下，原來通過單點突破進行反欺詐或者偵查的方法已經遠遠落后于時代需要。我們要建立起一個積極有效的知識圖譜，融合不同的數據源，發(fā)現(xiàn)更多更深層次的風險模式，找出欺詐者的蛛絲馬跡，挖掘其數據的矛盾點和可疑點，識別和預防欺詐事件的發(fā)生。反欺詐的核心是人，知識圖譜技術將把與投保人和受益人相關的所有數據源打通，整合投保人和收益人的基本信息，如消費記錄、行為記錄、關系信息、線上日志信息等，進而進行深度分析和預測。

（二）風險預測

基于多維度的數據，建立起客戶、企業(yè)和行業(yè)間的知識圖譜，從行業(yè)關聯(lián)的角度預測行業(yè)或企業(yè)面臨的風險。例如，通過對行業(yè)進行細分，根據貸款信息、行業(yè)信息建立行業(yè)間的關系模型；通過機器學習，可發(fā)現(xiàn)各個行業(yè)間的關聯(lián)度，如果某一行業(yè)發(fā)生了行業(yè)風險或高風險事件，根據關聯(lián)關系可以及時預測有潛在風險的其他行業(yè)，從而可以幫助金融機構做出預判，盡早地規(guī)避風險。

除此以外，通過知識圖譜，也可以將行業(yè)和企業(yè)之間數據進行連接，借助對行業(yè)的潛在風險的預測，能夠及時發(fā)現(xiàn)與該行業(yè)風險或系統(tǒng)性風險相關聯(lián)的企業(yè)客戶。例如，某地區(qū)某行業(yè)連續(xù)出現(xiàn)了多筆逾期貸款，通過對行業(yè)和客戶的知識圖譜進行分析，可以及時發(fā)現(xiàn)該地區(qū)相關行業(yè)存在潛在風險的客戶。

（三）客戶精準畫像

面對愈發(fā)激烈的市場競爭，準確的理解客戶意圖、有效匹配客戶需求和自身產品及服務，是金融機構在競爭中的軟實力。相較于傳統(tǒng)的渠道獲客方式，新興的智能數據挖掘方法，如客戶畫像體系和精準營銷模型，在營銷場景中具備明顯優(yōu)勢。客戶畫像有很多種做法，除了傳統(tǒng)的客戶標簽之外，知識圖譜能更好的反應與用戶相關的關系、事件、行為等因子，使畫像更具有結構化、動態(tài)化的過程。結合這些實時、動態(tài)、結構化的基礎畫像服務，為客戶分類、精準營銷等上層應用提供基礎。

（四）信息多維化可視化展示

基于知識圖譜，我們也可以實現(xiàn)信息多維化可視化展示的功能。比如，通過一個借款人的身份證號，知識圖譜中就會出現(xiàn)與之相關的借款記錄、聯(lián)系人信息、行為特征、職業(yè)、同業(yè)等關聯(lián)標簽信息。通過知識圖譜的可視化展，示把復雜的關聯(lián)非常直觀的呈現(xiàn)出來，使得各類信息的整體關聯(lián)情況可以一目了然。

除上述應用場景外，知識圖譜還能在個性化營銷、獲客、失聯(lián)找回、風險預測等方面大有可為。利用圖譜技術勾勒客戶關系網絡，可以幫助保險業(yè)務員展業(yè)，非結構化數據的加入便于發(fā)現(xiàn)客群特征，設計定制化的營銷方案。

三、知識圖譜技術在陽光保險的落地應用情況

（一）陽光產險信保事業(yè)部應用知識圖譜技術大大提升反欺詐水平

長期以來，陽光產險信保是業(yè)務業(yè)務人員需要根據貸款申請人信息及關聯(lián)的歷史貸款人信息進行風險評估，而當申請人涉及復雜社交網絡時，業(yè)務人員難以理清關系，這是一個很大的“痛點”。2017年11月，知識圖譜技術正式應用于產險信保反欺詐環(huán)節(jié)。截至2017年12月底，共發(fā)現(xiàn)18起重大案件（涉及人數大于5人的案件），較上線前僅憑人工發(fā)現(xiàn)的案件量提升了8.5倍。知識圖譜反欺詐系統(tǒng)能以可視化的方式勾勒出貸款人個人信息及社會關系，為反欺詐工作提供了更多線索，增強了反欺詐工作人員的風險識別能力，也提升了他們的工作效率。

陽光產險信保事業(yè)部知識圖譜項目示意圖

（二）惠金所應用知識圖譜技術開展精準行銷

陽光保險旗下惠金所業(yè)務當中，邀請好友功能建立了客戶與客戶之間的聯(lián)系。注冊會員和邀請關系，構成了知識圖譜的兩大元素，即實體和關系。利用知識圖譜的特性，以邀請與被邀請關系作為基礎，建立用戶間的關系圖譜，實現(xiàn)以更清晰及便捷的方式查詢客戶之間的關系，評估路徑傳播能力，鎖定優(yōu)質客戶群及潛在價值客戶?；萁鹚R圖譜項目一期已上線應用?；凇坝绣X人的朋友也是有錢人”等規(guī)則，利用領軍人物及圖譜結構推測整個圈子的價值，從而支持客戶運營管理，提升業(yè)務價值目標。

陽關保險旗下惠金所知識圖譜項目示意圖

四、工作建議

（一）要加快知識圖譜等人工智能技術的應用研究。要將人工智能技術（包括深度學習、人臉識別、知識圖譜等技術）列入保險業(yè)發(fā)展戰(zhàn)略，追求人工智能與保險業(yè)的深度融合，開展基礎理論、重點領域、交融模式和關鍵技術系統(tǒng)研究，推動知識圖譜等人工智能技術成為行業(yè)轉型升級和提升保險服務實體經濟能力的強有力支撐。

（二）要積極借助大數據信息平臺和區(qū)塊鏈平臺擴充數據信息量。目前，知識圖譜技術在各家保險公司的運用主要是基于內部交易數據，但這些數據資源相當有限。各保險公司可與部分大數據信息平臺合作，或者接入區(qū)塊鏈聯(lián)盟，以合法方式獲取更多有效數據，構建基于個體更多維度的信息連接，從而提高信息識別能力和關系推理能力。

（三）要大力提高保險數據真實性水平，建構完善可靠的知識圖譜網絡。從目前看，保險行業(yè)投保環(huán)節(jié)信息不真實的現(xiàn)象在某種程度上較為普遍?？蛻粼谕侗r，不少信息是虛假的，也可能是業(yè)務人員代為填寫。數據不真實，需要大量的人力物力進行數據清洗，且極容易造成個別關系鏈條缺失，影響了關系網絡的構建，進而影響知識圖譜的全面多維信息判斷功能的發(fā)揮。各保險公司要嚴格按照中國保監(jiān)會《關于強化保險監(jiān)管 打擊違法違規(guī)行為 整治市場亂象的通知》，切實做好客戶信息真實性管理，為知識圖譜技術的運用奠定堅實基礎，以更好地提高客戶服務質量，保護消費者合法權益。