기금넷 공식사이트 - 헤지 펀드 - 지식 그래프란 무엇인가요? 어떤 모델이 있나요? 색인? 규칙?

지식 그래프란 무엇인가요? 어떤 모델이 있나요? 색인? 규칙?

'그래프' 시대

지식 그래프는 2012년부터 본격화되며 업계 최고의 리더들이 기업용 지식 그래프 애플리케이션을 출시했습니다. 기업의 데이터 가치를 실현할 수 있습니다. 그래프 기술은 빠르게 발전하고 있다고 할 수 밖에 없으며, 비즈니스 요구 사항의 변화 여부에 관계없이 지식 그래프는 막을 수 없는 추세입니다. 2020년 4월 20일, 국가발전개혁위원회는 "혁신 강조 및 단점 보완" 특성을 반영하여 인공지능 "새로운 인프라"의 의미를 명확히 했습니다. 즉, 전통 인프라의 지능적 전환을 지원하고 운영 효율성을 향상시키는 것입니다. 전통적인 인프라 설계의

그림 1: 중국의 지식 그래프 혜택 성장 규모 - iResearch

현재 인공지능은 실제로 간단히 지각 지능(주로 이미지, 영상, 음성 중심)과 능력 탐색으로 나눌 수 있습니다. 인지 지능(지식 추론, 인과 분석 등 포함).

인공지능은 새로운 인프라의 핵심 영역이며, 지식 그래프는 인지지능의 기본 지원이다. 지식 그래프는 대규모의 관련성 높은 배경지식을 바탕으로 데이터를 해석하고 추론하고, 인간의 사고와 인지 능력의 일련을 계획하는 능력을 가지고 있습니다.

?————"인공지능 "새로운 인프라"를 위한 지식 그래프 산업 백서"?

우리는 매일 지식 그래프를 사용합니다

지식 그래프 It 전자상거래(상품 추천), 의료(지능진단), 금융(리스크 관리), 증권(투자연구) 등 다양한 분야에서 활용됩니다. 잘 알려진 기업으로는 Google Knowledge Graph, Meituan Brain, Alibaba·Zangjingge Project, Tencent Cloud·Knowledge Graph TKG 등이 있습니다.

지식 그래프는 인공 지능의 여러 분야에서 중요한 역할을 합니다. 의미 검색, 지능형 질문 및 답변, 보조 언어 이해, 보조 빅 데이터 분석, 기계 학습의 해석성 향상, 그래프 컨볼루션과 결합하여 이미지 지원 분류 등.. 동시에 이는 기술적 난이도가 크게 높아졌다는 의미이기도 합니다.

지식 그래프의 가치

지식 그래프가 지식을 포착하고 관리하는 궁극적인 목표라고 생각할 수도 있습니다. 실제로 지식 그래프는 하향식 관계 연결 방식으로 지식을 명시적으로 포착하는 데 능숙합니다. 관계 노드를 통해 업스트림과 다운스트림 관계를 연결하고, 관계 네트워크를 명확하게 정리합니다. 아래 그림과 같습니다.

그림 2? 유비쿼터스 지능형 지식 플랫폼

대상 주체(예: 기업, 이벤트 등) 간의 연관 네트워크를 효율적이고 직관적으로 표현하여 기업이 수행하는 인물의 실제 상황과 복잡한 관계를 입체적으로 재현합니다. 강력하게 상호 연결된 조직 기능과 시각적 의사결정 추론 지원은 기업 자산의 기본 기반을 제공합니다. 유비쿼터스 지능형 원스톱 '그래프 인텔리전스' 애플리케이션은 '수백 가지 트릭'을 여는 기능을 갖추고 있습니다. 특히 다음 사항을 고려해야 합니다.

딥 링크 분석은 유기적으로 검색 가능합니다.

예를 들어 우리는 금융 분야에 가장 익숙합니다. 지식 그래프의 일반적인 개체에는 회사, 제품, 직원, 관련 이벤트 등이 포함됩니다. 일반적인 관계에는 지분 관계, 고용 관계, 공급업체 관계, 업스트림 및 다운스트림 관계, 경쟁 관계, 등.

글로벌 경제 통합 추세에 맞춰, 지식 그래프의 통합을 통해 원래 복잡했던 데이터를 직관적이고 이해하기 쉬운 시각적 그래프로 구성할 수 있다는 장점이 있다. 사람들은 경쟁 환경의 변화를 빠르게 관찰하여 새로운 고객과 새로운 투자 기회를 찾는 단서를 제공할 수 있습니다.

그림 3? 기업 업스트림 및 다운스트림 관계 네트워크

단서를 따라가세요

지식 그래프의 또 다른 가치는 "다차원적"입니다. 데이터를 쉽게 처리할 수 있습니다." 현재 유비쿼터스 인텔리전스는 고객이 100억 개가 넘는 엔터티(또는 노드)와 관계(또는 에지)를 분석하는 데 도움을 줍니다.

그림 4 합자 상업은행의 펀드 상품 관계 네트워크 스크린샷

“실소유권의 경우 특히 6~7개 이상의 계층으로 구성된 소유권 계층을 자주 볼 수 있습니다. "사람들은 적어도 6~7개의 레이어를 처리하고 쿼리할 수 있는 유능한 도구를 갖는 것이 문제의 진짜 핵심이라는 것을 깨달아야 합니다." 모든 기업, 개인, 뉴스 이벤트는 '포인트'가 될 수 있으며, 인공지능 엔진은 이러한 포인트를 집계하고 상관관계, 유사성, 집계 정도에 대한 다차원 분석을 수행하여 실제 장면을 복원할 수 있습니다. 단서를 찾아 단서를 따라가세요."

그림 5 사기 방지 그래프 적용

예를 들어 지식 그래프의 전통적인 위험 관리 프로세스에서는 대상 주제의 단순 차원의 특성을 대부분 엄격하게 검토하고, 실제 관련 위험은 판단할 수 없습니다.

과제와 기회

퍼베이시브 인텔리전스는 금융 분야에 깊이 관여하고 있으며 세분화된 비즈니스 시나리오에는 사기 방지, 자금 세탁 방지, 사기 조사가 포함되지만 이에 국한되지는 않습니다. , 분실 연락처 수집, 외환 이상 모니터링, 신용 검토 등 특정 프로젝트의 예를 들자면: 그래프 구성 자체의 긴 프로세스로 인해 각 시나리오에 대한 그래프 구성의 상대적 독립성과 결합되어 필요한 조건은 다음과 같습니다. 반복되는 데이터 개발과 데이터 단절을 우회하기 위해 생성된, 해결되지 않은 문제는 수많은 기업 자산의 비용 낭비 문제입니다.

그림 6? 기존 관계 네트워크 애플리케이션 구축 모델

프로젝트 구현 측면에서 긴 그래프 구축 주기, 애플리케이션 구축의 높은 전문성, 높은 교차성 등의 문제가 여전히 존재합니다. -산업 이전 비용. 이로 인해 발생하는 문제는 제품을 즉시 사용할 수 있는지 여부에 반영됩니다.

유비쿼터스 인텔리전스 미들 플랫폼 아이디어

위의 문제를 해결하기 위해 유비쿼터스 인텔리전스는 지식 그래프 구축 및 응용 플랫폼을 원스톱 '그래프 인텔리전스' 미들로 자체 개발하고 업그레이드했다. 플랫폼.

그림 7? 기존 관계형 네트워크 애플리케이션의 구성 모델

다양한 시나리오가 다양한 그래프의 요구 사항과 보장을 충족할 수 있도록 일련의 중간 및 공장 모델 플랫폼이 탄생했습니다. 양식 공동 쿼리 요구 사항. "하나는 모든 것을 알고 모든 것은 다 안다", 원스톱 "그래프 인텔리전스" 중간 플랫폼은 다음과 같이 "저것"입니다:

비즈니스 시나리오의 독립적인 그래프 구성을 열고 반복되는 개발 주기 비용을 줄입니다. , 전통적인 신청서 양식 권한 부여를 제공하면 서비스 품질과 효율성이 향상됩니다. 간단한 그래프 응용 프로그램은 1~2일 안에 구현할 수 있으며, 복잡한 그래프 응용 프로그램은 기존 방법의 1/3로 단축되어 기업 자산 축적을 가속화할 수 있습니다.

긴 의사소통 주기 문제와 부서 간 협력의 어려움을 해결하기 위해 부서 데이터 공개에 협력합니다.

그래프는 대화형이고 친근하며 시각적 의사결정은 비즈니스 시나리오를 지원합니다. 숨겨진 정보를 더 쉽게 발견할 수 있습니다.

전문가 및 업계 전문가의 역량을 강화하고, 현장 전문가의 업계 경험을 프로그래밍하여 플랫폼에 유지함으로써 기업의 지식 자산이 침전될 수 있습니다.

실시간 확장성과 유연성

지식 그래프 중간 플랫폼의 가치도 실시간 민첩하고 유연하며 확장 가능하고 탄력적인 데이터를 구축하는 유연성과 확장성에 있습니다. 기반. 금융 지식 그래프는 실제로 금융 산업의 엄격한 요구 사항을 직접적으로 피드백합니다. 실제로 기업 데이터 및 비즈니스 변경은 유연하며 데이터 소스, 데이터 구조 및 데이터 내용은 언제든지 변경될 수 있으며 비즈니스 및 비즈니스에 대한 이해가 필요합니다. 이에 따라 데이터의 해석도 변경됩니다.

그림 8? 다차원 데이터 확장 쿼리

이러한 데이터를 효과적으로 사용하려면 직원에게 전문적인 금융 지식과 발생할 수 있는 상관 관계, 전송 및 지식에 대한 깊은 이해가 필요합니다. 특정 데이터 변경으로 인해 지도가 가장 편리한 도구가 될 것입니다.

그래프 기술은 지식 그래프 애플리케이션을 위한 가장 강력한 무기입니다.

기업은 비즈니스에서 반복적인 새로운 모델을 신속하게 지원할 수 있어야 합니다. 유비쿼터스 인텔리전스의 '그래프 인텔리전스' 중간 플랫폼에는 그래프 컴퓨팅 모델, 그래프 매칭 비즈니스 데이터 모델 등 컴퓨팅 엔진이 있어 기업이 이 목표를 달성할 수 있도록 지원합니다.

그래프 규칙 계산: (예: 블랙리스트에 등록된 고객과 전화 통화를 한 고객은 사기 의심 고객입니다.)

그래프 지표 계산: (예: 2개 이내의 고객 -학위 관계 블랙리스트에 오른 고객의 비율)

그래프 기계 학습(그래프를 사전 지식으로 사용하여 기능 엔지니어링을 더욱 효과적으로 만들기)

커뮤니티 식별: 태그 예측(블랙리스트 예측/잠재 VIP 고객 예측)

그림 9? 커뮤니티 분석

최단 경로: 처리 경로를 최적화하고 데이터 처리 비용을 절감합니다.

그림 10? 경로 쿼리

"작업자가 작업을 잘 수행하려면 먼저 도구를 연마해야 합니다." 유비쿼터스 지능형 원스톱 "그래프 인텔리전스" 애플리케이션은 물리적 세계의 생산 및 생활 행동을 설명하기 위한 효과적인 방법과 도구를 제공합니다.

Gartner: "그래프의 시대가 왔다", 함께 "그래프"를 그려보자!