《中国知识图谱行业研究报告》发布 邦盛科技入选核心产业图谱 当前快报

知识图谱是人工智能的底层技术,是支撑机器实现认知智能的重要基石。在数字经济新基建中,知识图谱在数据繁杂、单一价值有限、问题抽象需要可视化、多层关联维度、团伙识别等应用场景发挥着越来越大的价值。

近日，艾瑞咨询发布《2022年中国知识图谱行业研究报告》,深度分析了中国知识图谱市场现状,并绘制了“中国知识图谱核心产业图谱”。凭借在大数据实时智能处理领域的领先技术及业务实践,邦盛科技成功入选。

(资料图片仅供参考)

研报显示,2021年,知识图谱核心市场规模约为107亿元,2026年将达296亿元。数字经济的持续发展将加速知识图谱产业化进程,推动知识图谱与传统产业融合,同时高价值且实用性强的垂直场景知识图谱是未来的业务发展方向。知识图谱是邦盛科技实时智能技术体系的核心平台之一,通过提供中央级的图谱平台,构建集企业底层数据源接入、图谱数据管理、图谱平台化应用的一体化平台,实现知识抽取、知识融合、知识推理、知识存储与知识应用,帮助企业快速完成知识图谱的一站式构建,打造丰富的业务场景应用,挖掘数据价值,赋能企业数字化转型。

现实社会织起了庞大而复杂的关系网,比起传统的关系型数据库,知识图谱在关系网络的构建挖掘上具有显著优势,当我们涉及到多层次的关联查询时,基于知识图谱的查询效率会高出几千倍甚至几万倍,并支持海量、复杂、多变数据的关系运算,且运算性能非常高。

目前邦盛科技知识图谱平台作为成熟化产品,已经形成了申请反欺诈、交易反欺诈、企业内控、反洗钱/套现、车险反欺诈、医保反欺诈等多个场景化方案。现简单列举一些具体的应用场景:

贷后资金流向

目前监管部门对互联网信贷遵循“三个办法一个指引”原则,我们可以通过图谱建立实时风控,关注贷后放款的关键环节和资金流入的重点领域。通过图谱可以重点关注经营类、消费类的贷款,追踪是否违规流入房市、股市等。在这个过程中,通过图谱的穿透能力计算转出资金的金额和比例,就能很方便地去敲定风险和违规性质,提供排查依据。

如,放贷后直接流入黑名单账户,或者解除关联后从自己账户转移到非自己名下,但可能是实际控制的一个账户,再往楼市、股市这些敏感行业投资理财。这些都可以通过图谱,结合资金的具体形态来分析,这些行为在图谱上会展示出明显的发散或归集。这种模式用以往的专家规则很难刻画,最多能做到一维、二维关系,而图谱更善于进行多维关系的筛查。在海量交易结构中,我们也能发现一些模式化的结构,如上图可以看到大概4-5个端,涉及集中转入、分散转出,还有类似树枝、蚂蚁巢穴一样的链式交易结构,这都是贷后异常的资金模式。通过图谱的展现手段,结合业务知识,可以发现存在的问题,通过k度查询或重要节点的发现算法可查看具体的问题所在。

涉赌涉诈场景

由于贷后资金流向和涉赌涉诈的场景中,都存在大量的转账关系图谱。我们可以用图谱做资金量的分析以及甄别资金转移的手法。图谱可视化最大的价值在于还原真实的交易场景,这些在以往核查单观察,或者在系统上点击流水不容易观察到。结合账户自身特征,我们在图谱上观察有没有分散的转出和转入,或者交易对手成批的更换。结合这些特征,就可以分析账户在整张交易网络中的作用。

如图,最左边是赌徒的充值,上游这几步可能会重复多个层级,到了中游,各种空壳企业会进行各种各样的资金搬运,夹杂着一些空壳企业的分批启用,或者跨行转账行为,造成资金链路的进一步模糊;之后就是资金洗牌的最后一步,钱会转移到一些个人账户进行分散提现,或者直接就在游戏/直播平台进行一些打赏。总之,下游洗白的方式是多种多样的,但通过图谱再结合一些特征,还是能够进行监控的。

保险团伙反欺诈

第三个应用场景是保险排查,如车险或医保反欺诈。车险主要是串谋式的索赔欺诈,通过监测和关联共享的身份信息等,就能较好地跨越数据孤岛,发现团伙。医保欺诈一般会更多地关注医患或供应商不正当的关系,一旦在某个药品或疾病上出现了大量的离散值,就代表是欺诈行为——这是以往判断个体欺诈的常用办法,但随着团伙欺诈问题非常严重,比如几十个人都通过个别支付账户去买相同的药品;还有账户层面的聚集以及很多其他的共性,运用图谱技术将欺诈环节可能涉及的所有数据,构建反欺诈关系网络图谱并建立图规则识别团伙或聚集欺诈,通过关联图谱的分析,聚类出高风险代理人团队、高风险医疗机构、高风险冒名报案理赔团伙,就可以识别出团伙案件行为。

研报认为,金融与公安两大行业的知识图谱占比较高且增长速度较快,成为市场规模的主要拉力。随着行业认知加深与技术进步,技术与业务的结合点愈发精准,行业场景颗粒度不断收敛细化,高价值且实用性强的垂直场景将循序渐进地被做深做透,为传统企业的业务带来显著的业务增效。

标签：