什么是关系 【交易技术前沿】从数据到智慧：证券行业知识图谱应用实践 /(4)

(2)深加工

基于知识图谱与智能推理链，实现从数据到智慧的深加工。

(3)浅表达

以可视化的方式和自然语言与用户交互，一目了然，受众更广。

然而，领域知识图谱对知识的基础需求，远远大于通用型知识图谱。在建设初期需要大量的专家工作。基于此，可以尝试从两个方面入手来构筑大型领域知识图谱：

(1)建立新的协作方式：开启知识众包时代。构建用户友好的知识众包协作平台，使得专家能很方便的利用碎片化时间在平台上贡献自己的知识，同时设计相应的知识回报模式。就平台自身而言，如何设计自动内容校验和精华内容提取算法，从大量专家碎片化知识中提取重要内容以添加到“主图谱”中，是一个需要长期不断探索的课题。

(2)构造“活”的知识图谱：知识自动抽取，自动生长。

“活”的含义有三：

一是持续不断有消息的输入；

二是可以沿知识图谱定义的作用链进行自动推理；

三是知识图谱自身可以背靠大数据，在“人工+自动”模式下自我生长。

这两个方面，需相辅相成，相互交叉验证，共同支起领域知识图谱的构筑的大任，从而真真正正的将海量非结构化信息自动化利用起来，成为领域应用决策的坚实支持。

4 小结

本文首先探讨了金融知识图谱在证券行业所能发挥的重要作用，然后在知识图谱技术实践方面展开阐述与介绍，最后就金融知识图谱在证券行业实际应用案例和面临的挑战进行了讨论与展望。知识图谱作为证券行业人工智能进程中尤为重要的关键技术之一，需要行业专家与人工智能专家通力协作，从而一同构建自动化高效利用海量非结构化数据的基石。

参考文献：

[1]时空中的金融科技, 白硕. 理深科技时评. 2016.

[2]关于“智能投顾”的技术和业态浅析，白硕.《金融电子化》,2016(9):18-20.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-67261-4.html