雷鋒網(wǎng)AI金融評論按：什么是知識圖譜？簡單的說，知識圖譜是信息（實體）本身以及信息（實體）之間的關(guān)聯(lián)，是計算機實現(xiàn)智能的基礎(chǔ)。知識圖譜之于計算機，就好比知識之于人類，而金融行業(yè)的特點決定了其對金融知識圖譜的剛性需求。此文為整理業(yè)內(nèi)專業(yè)人士觀點分享。

深度分析金融知識圖譜創(chuàng)業(yè)：需從“數(shù)據(jù)”競爭跨向“技術(shù)”競爭

人類天生擅長將信息進行分類、關(guān)聯(lián)，但并不擅長記憶、處理海量碎片化的信息，但計算機可以。所以當(dāng)前越來越多的AI創(chuàng)業(yè)公司開始致力于攻克構(gòu)建知識圖譜的底層技術(shù)。

不同于擁有大量C端數(shù)據(jù)的BAT，該領(lǐng)域的創(chuàng)業(yè)公司往往從垂直領(lǐng)域的企業(yè)級服務(wù)切入。目前在國內(nèi)，金融、法律、醫(yī)療、智能客服、安防等行業(yè)都已經(jīng)有了致力于該領(lǐng)域知識圖譜構(gòu)建的AI創(chuàng)業(yè)公司，但金融行業(yè)由于其行業(yè)特點將成為該領(lǐng)域創(chuàng)業(yè)最大的藍海。  

圖1：知識圖譜的構(gòu)建與應(yīng)用

半自動化構(gòu)建知識圖譜的代表 數(shù)據(jù)供應(yīng)商面臨三大痛點

金融行業(yè)的特點決定了其對金融知識圖譜的剛性需求。

首先，金融行業(yè)擁有海量的包含各行各業(yè)的數(shù)據(jù)信息，而且這些信息又以各種形式（如文字、表格、圖形等）存儲在大量的文檔上，這些都是非標準化、碎片化的信息，需要被整理成標準化的、相關(guān)聯(lián)的金融知識圖譜，才便于金融從業(yè)者使用。

其次，金融行業(yè)的公開文檔具有一定的法律效應(yīng)，故對于數(shù)據(jù)的精確性、時效性有很高的要求。

目前，整理這些數(shù)據(jù)的工作主要還是由金融數(shù)據(jù)供應(yīng)商來完成的。

而其中的明星級代表就是萬得（Wind）。它所采用的是數(shù)據(jù)爬蟲技術(shù)，從公開渠道第一時間獲得企業(yè)工商信息、財務(wù)報告等數(shù)據(jù)，再由大量人工進行整理和分類，以“人力模式”結(jié)構(gòu)化這些信息，再通過萬得終端提供給金融從業(yè)者使用。萬得作為當(dāng)前最大的金融數(shù)據(jù)擁有者，通過多年在金融行業(yè)中的經(jīng)營與積累，擁有了豐富的金融知識圖譜數(shù)據(jù)以及大量的金融客戶，但其知識圖譜的構(gòu)建卻是半自動的過程，仍需要人工操作。

這種模式現(xiàn)在看起來似乎沒什么問題，但其中存在三個最大的痛點：

• 第一，數(shù)據(jù)供應(yīng)商不能夠“實時、敏捷”地提供金融知識圖譜。由于半自動化的知識圖譜構(gòu)建技術(shù)，需要人工將金融文檔中的信息提取出來，快則數(shù)小時，慢則好幾天，還容易出錯。這就無法滿足一些對準確性、及時性、無人工等有高要求的應(yīng)用場景，比如金融監(jiān)管、機密文檔復(fù)核、內(nèi)部審計等。

• 第二，數(shù)據(jù)供應(yīng)商所擁有的知識圖譜僅包含了公開數(shù)據(jù)，大量機密的、內(nèi)部的、更為重要的數(shù)據(jù)不能被外部數(shù)據(jù)供應(yīng)商整理成知識圖譜。

• 第三，人工無法整理所有數(shù)據(jù)。以萬得為例，由于受到人工能力限制，其整理的數(shù)據(jù)僅包含資產(chǎn)負債表、利潤表、現(xiàn)金流量表中的主要數(shù)據(jù)，無法提煉出企業(yè)報告中其余上百個表格數(shù)據(jù)以及隱藏在大量自然文本段落中的信息，而這些信息正是深入分析該企業(yè)的業(yè)務(wù)和財務(wù)狀況的底層數(shù)據(jù)。

簡而言之，以萬得為代表的數(shù)據(jù)供應(yīng)商還不具備實時、全面地“構(gòu)建知識圖譜”的能力和技術(shù)，出售的仍然是數(shù)據(jù)本身。

所以，面向企業(yè)級服務(wù)的AI創(chuàng)業(yè)公司都致力于能夠全自動化的構(gòu)建金融知識圖譜，解決上述三大痛點。但是目前該市場還是處于需求大大高過供給的情況，這或許是由于全自動構(gòu)建知識圖譜的這項底層技術(shù)實際上在學(xué)術(shù)界都是一個難點。

全自動化構(gòu)建知識圖譜的核心技術(shù)是NLP與CV的融合

人們在閱讀金融文檔的時候，對其中的自然段落、圖表中的信息在很短的時間內(nèi)便能理解其中的意思，但對于計算機來說，這中間還有幾個轉(zhuǎn)換步驟。 

圖2：全自動化構(gòu)建知識圖譜的過程

首先，當(dāng)計算機看到一份金融文檔的掃描圖片時，看到的僅僅是圖片中所有光點所呈現(xiàn)的數(shù)字矩陣；然后，通過OCR（Optical Character Recognition，光學(xué)字符識別）技術(shù)，將龐大的數(shù)字矩陣轉(zhuǎn)換成包含字符以及字符的位置信息的矢量文檔，比如金融行業(yè)最常見的PDF格式的文檔就是矢量化的文檔。但是，在此階段，計算機看到的僅僅是一個一個的文字以及該文字的位置，并不能知道哪些字符組成了主語，哪些字符是謂語動詞，哪些數(shù)字是關(guān)鍵信息，文檔的哪些部分是表格。

接下來，需要讓計算機將這些零散的單個字符組合成金融知識圖譜，這就需要用到富格式文檔(Richly Formatted Data)處理技術(shù)。在這個階段，就是計算機將零散的字符提煉成信息的階段，也是技術(shù)上的難點。因為各類披露的金融文檔呈現(xiàn)為富格式文本的形式，包含篇章結(jié)構(gòu)、文字段落、數(shù)據(jù)表格等各類形式，而計算機對于不同形式的文本需要使用不同的處理技術(shù)；同時不同渠道獲得的金融文檔內(nèi)容還可能出現(xiàn)不一致的地方，這還需要AI模型能夠分辨矛盾數(shù)據(jù)、噪音數(shù)據(jù)。

所以，想要將這些文檔上的字符歸納提煉成為標準化的、相關(guān)聯(lián)的、準確的信息，需要AI領(lǐng)域中的自然語言處理（NLP）技術(shù)與計算機視覺深度（CV）的技術(shù)的融合。

也就是說，在全自動構(gòu)成知識圖譜的過程中，真正的難點在于計算機如何從含有復(fù)雜格式的大量資料中，快速地“理解”、“讀懂”人類語言，甚至是對經(jīng)過復(fù)雜演算的數(shù)據(jù)結(jié)果進行“糾錯”。攻破這些技術(shù)難點的創(chuàng)業(yè)公司就將擁有核心的“技術(shù)”競爭力，也就是說它們將不再出售數(shù)據(jù)本身，而是出售“構(gòu)建數(shù)據(jù)”這項技術(shù)。而各家創(chuàng)業(yè)公司的技術(shù)硬實力，將會成為其占領(lǐng)該領(lǐng)域的真正壁壘。

全自動構(gòu)建金融知識圖譜將使金融機構(gòu)提升運營效率、節(jié)約合規(guī)成本

當(dāng)全自動構(gòu)建知識圖譜的技術(shù)開始真正滲透到金融機構(gòu)中，金融行業(yè)才能真正實現(xiàn)智能化的飛躍，大幅提升行業(yè)運營效率。

圖3：全自動構(gòu)建知識圖譜在金融機構(gòu)及金融監(jiān)管場景的應(yīng)用

一方面，如果全自動構(gòu)建金融知識圖譜的數(shù)據(jù)的技術(shù)私有化部署在公司內(nèi)部，則內(nèi)部機密數(shù)據(jù)的標準化整理、識別、關(guān)聯(lián)、分析將能夠被計算機替代。其應(yīng)用場景可以涵蓋從內(nèi)部繁復(fù)的文檔整理復(fù)核工作到內(nèi)部合規(guī)審核。數(shù)據(jù)顯示，中國證監(jiān)會僅在2017年就作出行政處罰決定224件,罰沒款金額74.79億元,同比增長74.74%；而因為其他原因出現(xiàn)了細微錯誤的財務(wù)報告也會讓企業(yè)成為媒體和公眾討伐的對象。如果企業(yè)能將合規(guī)的審核交給計算機，則企業(yè)內(nèi)部為繁瑣文檔工作付出的人力成本、為合規(guī)處罰付出的經(jīng)濟成本等等，都將被節(jié)省下來。

再就是即便對已公開的金融文檔，全自動構(gòu)建知識圖譜的技術(shù)也將能夠使企業(yè)大大縮短獲得關(guān)鍵信息的時間。如果是運用外部的數(shù)據(jù)供應(yīng)商，從企業(yè)年報PDF上網(wǎng)公開，到萬得（Wind）的財報數(shù)據(jù)入庫，快則需要幾個小時，慢則需要數(shù)天。但金融行業(yè)一直是分秒都很“貴”的地方，如果能通過全自動知識圖譜構(gòu)建技術(shù)讓財報數(shù)據(jù)在2分鐘之內(nèi)即可被金融從業(yè)者獲取及應(yīng)用，無疑將大大提高金融機構(gòu)內(nèi)部的運營效率。

與此同時，外部數(shù)據(jù)供應(yīng)商提供的財報數(shù)據(jù)往往僅包含資產(chǎn)負債表、利潤表、現(xiàn)金流量表里的主要數(shù)據(jù)信息，無法提煉出隱藏在幾百頁企業(yè)報告中深入分析該企業(yè)的業(yè)務(wù)和財務(wù)狀況的底層數(shù)據(jù)，但這些信息卻可以被計算機自動提取。金融行業(yè)從業(yè)者將能夠獲得更加全面、精準的信息。

知識圖譜的應(yīng)用將助力金融監(jiān)管，監(jiān)管科技市場前景廣闊

另一方面，對金融監(jiān)管機構(gòu)而言，基于其特殊性質(zhì)，對于外部服務(wù)商的介入會更加謹慎。而通過私有化部署全自動構(gòu)建知識圖譜技術(shù)服務(wù)，利用內(nèi)部閉環(huán)程序操作，就可以在盡可能提高數(shù)據(jù)的保密等級，減少人工直接參與的情況下，及時獲得最全面、最精準的標準化大數(shù)據(jù)。

同時，防范系統(tǒng)性金融風(fēng)險一直是我國金融監(jiān)管的重中之重。通過構(gòu)建跨行業(yè)、跨機構(gòu)的金融知識圖譜，獲得標準化的、準確無誤的、及時透明的以及數(shù)量巨大的基礎(chǔ)數(shù)據(jù)或信息，才能讓人工智能在海量的數(shù)據(jù)和信息中主動識別和預(yù)測風(fēng)險，對分散的數(shù)據(jù)進行綜合分析以得出行為模式，這將是幫助監(jiān)管機構(gòu)防范系統(tǒng)性金融風(fēng)險最為有效的金融科技。

隨著中國銀保監(jiān)會的正式掛牌，中國金融監(jiān)管進入“一委一行兩會”的格局。統(tǒng)一化監(jiān)管、整體化監(jiān)管、穿透化監(jiān)管將成為未來金融監(jiān)管的主基調(diào)，大量跨行業(yè)、跨機構(gòu)的數(shù)據(jù)將被打通，構(gòu)建金融知識圖譜的技術(shù)將成為市場剛需，成為監(jiān)管科技的重點應(yīng)用之一。

目前，全球的監(jiān)管科技市場正處于一個上升階段，根據(jù)市場調(diào)研公司Let's talkpayment預(yù)計，到2020年，全球范圍內(nèi)監(jiān)管科技的市場規(guī)模將超過1000億美元。中國也將在這一領(lǐng)域迎來廣闊的市場。

基于此，沖破擁有金融大數(shù)據(jù)的數(shù)據(jù)服務(wù)商所構(gòu)建的商業(yè)壁壘，在技術(shù)層面已經(jīng)實現(xiàn)，金融知識圖譜的市場競爭也正在從“數(shù)據(jù)”競爭跨向“技術(shù)”競爭的新時代，技術(shù)本身才是創(chuàng)業(yè)公司的壁壘。擁有核心技術(shù)，金融數(shù)據(jù)本身并不是不可替代。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。