知識圖譜是人工智能的底層技術,是支撐機器實現認知智能的重要基石。在數字經濟新基建中,知識圖譜在數據繁雜、單一價值有限、問題抽象需要可視化、多層關聯維度、團伙識別等應用場景發揮著越來越大的價值。
近日，艾瑞咨詢發布《2022年中國知識圖譜行業研究報告》,深度分析了中國知識圖譜市場現狀,并繪制了“中國知識圖譜核心產業圖譜”。憑借在大數據實時智能處理領域的領先技術及業務實踐,邦盛科技成功入選。
研報顯示,2021年,知識圖譜核心市場規模約為107億元,2026年將達296億元。數字經濟的持續發展將加速知識圖譜產業化進程,推動知識圖譜與傳統產業融合,同時高價值且實用性強的垂直場景知識圖譜是未來的業務發展方向。知識圖譜是邦盛科技實時智能技術體系的核心平臺之一,通過提供中央級的圖譜平臺,構建集企業底層數據源接入、圖譜數據管理、圖譜平臺化應用的一體化平臺,實現知識抽取、知識融合、知識推理、知識存儲與知識應用,幫助企業快速完成知識圖譜的一站式構建,打造豐富的業務場景應用,挖掘數據價值,賦能企業數字化轉型。
現實社會織起了龐大而復雜的關系網,比起傳統的關系型數據庫,知識圖譜在關系網絡的構建挖掘上具有顯著優勢,當我們涉及到多層次的關聯查詢時,基于知識圖譜的查詢效率會高出幾千倍甚至幾萬倍,并支持海量、復雜、多變數據的關系運算,且運算性能非常高。
目前邦盛科技知識圖譜平臺作為成熟化產品,已經形成了申請反欺詐、交易反欺詐、企業內控、反洗錢/套現、車險反欺詐、醫保反欺詐等多個場景化方案?，F簡單列舉一些具體的應用場景:
貸后資金流向
目前監管部門對互聯網信貸遵循“三個辦法一個指引”原則,我們可以通過圖譜建立實時風控,關注貸后放款的關鍵環節和資金流入的重點領域。通過圖譜可以重點關注經營類、消費類的貸款,追蹤是否違規流入房市、股市等。在這個過程中,通過圖譜的穿透能力計算轉出資金的金額和比例,就能很方便地去敲定風險和違規性質,提供排查依據。
如,放貸后直接流入黑名單賬戶,或者解除關聯后從自己賬戶轉移到非自己名下,但可能是實際控制的一個賬戶,再往樓市、股市這些敏感行業投資理財。這些都可以通過圖譜,結合資金的具體形態來分析,這些行為在圖譜上會展示出明顯的發散或歸集。這種模式用以往的專家規則很難刻畫,最多能做到一維、二維關系,而圖譜更善于進行多維關系的篩查。在海量交易結構中,我們也能發現一些模式化的結構,如上圖可以看到大概4-5個端,涉及集中轉入、分散轉出,還有類似樹枝、螞蟻巢穴一樣的鏈式交易結構,這都是貸后異常的資金模式。通過圖譜的展現手段,結合業務知識,可以發現存在的問題,通過k度查詢或重要節點的發現算法可查看具體的問題所在。
涉賭涉詐場景
由于貸后資金流向和涉賭涉詐的場景中,都存在大量的轉賬關系圖譜。我們可以用圖譜做資金量的分析以及甄別資金轉移的手法。圖譜可視化最大的價值在于還原真實的交易場景,這些在以往核查單觀察,或者在系統上點擊流水不容易觀察到。結合賬戶自身特征,我們在圖譜上觀察有沒有分散的轉出和轉入,或者交易對手成批的更換。結合這些特征,就可以分析賬戶在整張交易網絡中的作用。
如圖,最左邊是賭徒的充值,上游這幾步可能會重復多個層級,到了中游,各種空殼企業會進行各種各樣的資金搬運,夾雜著一些空殼企業的分批啟用,或者跨行轉賬行為,造成資金鏈路的進一步模糊;之后就是資金洗牌的最后一步,錢會轉移到一些個人賬戶進行分散提現,或者直接就在游戲/直播平臺進行一些打賞?？傊?下游洗白的方式是多種多樣的,但通過圖譜再結合一些特征,還是能夠進行監控的。
保險團伙反欺詐
第三個應用場景是保險排查,如車險或醫保反欺詐。車險主要是串謀式的索賠欺詐,通過監測和關聯共享的身份信息等,就能較好地跨越數據孤島,發現團伙。醫保欺詐一般會更多地關注醫患或供應商不正當的關系,一旦在某個藥品或疾病上出現了大量的離散值,就代表是欺詐行為——這是以往判斷個體欺詐的常用辦法,但隨著團伙欺詐問題非常嚴重,比如幾十個人都通過個別支付賬戶去買相同的藥品;還有賬戶層面的聚集以及很多其他的共性,運用圖譜技術將欺詐環節可能涉及的所有數據,構建反欺詐關系網絡圖譜并建立圖規則識別團伙或聚集欺詐,通過關聯圖譜的分析,聚類出高風險代理人團隊、高風險醫療機構、高風險冒名報案理賠團伙,就可以識別出團伙案件行為。
研報認為,金融與公安兩大行業的知識圖譜占比較高且增長速度較快,成為市場規模的主要拉力。隨著行業認知加深與技術進步,技術與業務的結合點愈發精準,行業場景顆粒度不斷收斂細化,高價值且實用性強的垂直場景將循序漸進地被做深做透,為傳統企業的業務帶來顯著的業務增效。
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
