知識圖譜技術為破解人工智能難解釋性的困境提供了重要基礎，近年來備受學術和產業界的高度關注。知識圖譜的發展離不開算法和模型的創新，更離不開科技企業以更多的應用場景來持續提供“練兵場”。

零售銀行是知識圖譜絕佳的應用之地，近年來隨著商業銀行紛紛開啟“第二增長曲線”，零售銀行業務受到了前所未有的關注度。零售銀行的發展進入了存量競爭的全新階段，商業銀行希望通過深度服務和價值創造來構建一個更長期和緊密的客戶關系。

零售業務的一大特點就是客群數量龐大，國有大行零售客群都是以億為單位。客群是由個體組成，當客戶關系網絡中部分關聯人出現信用風險時，風險可能會沿著關聯關系鏈傳遞、疊加、蔓延，進而傳染相關關聯主體，導致群體性的信用風險發生。

目前，零售金融所面臨的欺詐風險主要來自于申請和交易環節，傳統的風險管理模式，很難去揭示社群特征和客戶之間的關聯關系，難以識別團伙欺詐，也難以辨析樣本稀疏、隱蔽性高、欺詐行為動態變化等特征，知識圖譜為解決這一問題提供了全新的視角。

以某國有大行為例，該行在不斷深化布局科技領域的“自主研發+外部合作”模式。百融云創作為該行重要合作伙伴，基于總行知識圖譜平臺、機器學習平臺，協助構建復雜關系網絡，實現以客戶為中心的風險全景視圖，增強數字化風險管理能力。

在此項目中，百融云創通過打造客戶的復雜網絡，發現傳導路徑，并引入機器學習，結合圖分析技術，構建源發風險模型、傳染權重模型、傳染風險模型、多邊概率整合模型、風險融合模型5大人工智能模型，量化客戶內外部所有風險，可為信貸業務在貸前準入環節、貸中、貸后持續助力風險預警精細度和精準度，提升客戶信貸風險管理水平。

數智化時代，知識圖譜作為人工智能的重要基礎，因其智能、高效的知識組織優勢，得到銀行的廣泛關注。隨著知識圖譜平臺建設日漸成熟，知識圖譜在精準營銷、風險管理等業務場景上發揮越來越重要的作用。但值得一提的是，知識圖譜技術如何更好的與這些應用場景結合，更好的實現商業化落地，還是需要進一步探索的課題。

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。

關鍵詞：