孙梦姝 - 金融事理图谱构建及应用

AI智能总结

查看更多

• 出发点：以数据化、自动化、智能化的方式利用和处置外部风险和机会资金，服务商户、店铺、合作机构、流量、用户和基金，构建金融事理图谱，连通生态内外，助力业务发展。
• 难点与解法：
  • 构建精度：金控场景对事件精度要求高，传统重人力生产方式成本高且覆盖有限。解法是提高识别精度，并融入互联网行业高度自动的生产流程。
  • 知识建模：业务算法场景对事件语义敏感，规律学习依赖抽象。解法是进行高度精细化的知识建模及事件理解。
  • 建立联系：中宏观事件与中小微业务对象联系微妙，需具象化表达。解法是依托生态，面向小微构建产业链。
• 实现路径：构建金融事理图谱，连通生态内外，应用于企业、商户、商品、用户、产业链、宏中微事件、证券市场、金融风控、C端推荐、B端服务等场景。
• 金融事理图谱构建：
  • 面向业务实体建模：包括外部环境事件（公司、产业链、证券市场、社会民生、政策、地质气象）、产品、人/用户、地域、企业等，以及事件与业务实体、事件之间的联系。
  • 数据概览：涵盖企业（个体、小型、中型、大型）、产业链（原材料、零部件、产成品、生产加工设备）、外部事件（宏观、产业链、证券市场、公司、民生）、产品、人/用户、地域等，数据量庞大，如企业9.1万+，产业链21万，外部事件2353/周等。
• 场景应用：
  • 金融机构风险：
    • T+0事件感知到T-N风险预测：通过专家经验归纳、特征梳理、算法建模、反哺专家经验，预测未来1年高风险机构。
    • 风险事件抽取模型优化：解决标签体系复杂、长冷事件样本少、事件界定强领域逻辑等问题，提升事件识别精度和链指精度。
  • 金融理财搜索推荐：
    • 预判用户动态变化：捕捉并理解事件，精准定位感兴趣用户，预判被事件带“热”的item主体。
    • 多要素事件抽取：解决密集场景下要素重叠问题，提出多事件局部重叠问题，将事件之间的多元关系拆解为要素之间的二元关系组合，用SPO抽取方式触发词重叠，提升F1值。
  • 建设产业链，精准定位事件影响下的小微企业：
    • 定位深度关联的理财用户：通过产业链构建，定位受影响用户和企业。
    • 实现高度自动化的产业链构建：通过原材料、生产设备、技术服务、零部件、产品、组装、批发零售、安装及售后等环节，实现产业链的自动化构建。
• 总结：
  • 知识体系整合：汇聚业务知识，梳理沉淀外部事件知识体系，整合蚂蚁多条业务线的专家知识。
  • 事理图谱构建方法：提出三层结构事理图谱，包括研究对象、元概念层、实例层、抽象概念层，保留事件内部信息的完备性，并通过关系和逻辑的抽象来刻画事件演化的内在逻辑。
  • 核心观点：事理图谱的知识结构和构建方法能有效支撑业务算法场景对事件语义的完备性需求，并通过抽象表达业务规律和逻辑，实现事件演化的内在逻辑表示。