<track id="o0hrq"></track>

  • <table id="o0hrq"><span id="o0hrq"></span></table>
  • <td id="o0hrq"></td>
    <big id="o0hrq"><strike id="o0hrq"><tt id="o0hrq"></tt></strike></big>
    <acronym id="o0hrq"><label id="o0hrq"></label></acronym>

  • <td id="o0hrq"><strike id="o0hrq"></strike></td>
  • <track id="o0hrq"><ruby id="o0hrq"></ruby></track>
    保險業如何利用知識圖譜

    更新日期:2019-11-08

    保險業如何利用知識圖譜

     

    發布時間:2019-11-08 09:56:36    作者:    來源:中國銀行保險報網

    □章小兵

    知識圖譜(Knowledge Graph/Vault)作為人工智能技術重要的分支之一,是近年來計算機科學領域研究的前沿熱點,資本市場也對這項技術表現出了濃厚的興趣。其能以圖形方式可視化展示實體之間的關聯,能更快捷、更簡單地發現新的信息、新的非結構數據模態和新的知識,達到洞察客戶、降低交易風險的目的。

    什么是知識圖譜

    知識圖譜,是一種基于圖形的數據結構,其本質上是語義網絡,由節點和邊組成。節點是現實世界中存在的“實體”,邊是實體與實體之間的“關系”。知識圖譜是關系網絡最有效的表達方式,可以用來更好地查詢復雜的關聯信息,從語義層面理解用戶意圖。通俗地講,知識圖譜就是把所有不同種類的信息連接在一起而得到的一個關系網絡,其提供了從“關系”的角度去分析問題的能力(見下圖)。

    例如在圖中,知識圖譜可以用來很好地查看保險類別和類別之間的關系,如包含、條件、從屬等。如果我們將保險業中囊括的信息、涵蓋的維度等內容,諸如保險產品、產品價格、保額、有效期等,通過建模、抽取、融合、存儲、推理、更新構建成知識圖譜,或能夠通過知識圖譜從語義層面理解、展示意圖,從而大大提升效率和質量。

    知識圖譜的技術優勢

    1.能快速明白真正含義和指向,規避一詞多義現象

    比如“芒果”可能是一種水果,也可能是一個網站名稱,也可能是一個電視臺名稱。如果僅通過關鍵詞匹配,常常會產生歧義。而知識圖譜可以通過上下文實體關聯關系,縮小搜索范圍,借助優先級算法,快速找到用戶真正關心的東西。

    2.能提供智能的知識網絡

    知識圖譜能更智能、更精準的理解字符串的含義,更簡潔高效的提供信息服務。比如,Google搜索引擎在頁面右側推出了以知識圖譜為背景的知識面板Knowledge Panel。當用戶搜索某個事物時,左側是傳統谷歌搜索返回的一列按相關度排列的網站鏈接,右側則將一條條與搜索內容有關的知識作為結果直接呈現,省去了逐個網頁點擊閱讀的“痛點”。

    3.具備可擴展性

    在企業的數據庫、文檔、傳感器、訪問日志、圖像、音視頻等數據中包含了大量反映企業業務的數據事實和業務知識。知識圖譜不同于以往的關系型數據庫存儲,將所有數據以“實體-關系-實體”的形式進行存儲,最直觀地展示了數據及數據背后的關聯,基于動態可擴展的本體模型支持存儲結構化、半結構化、非結構化數據。

    4.具備強大的推理挖掘和不一致性檢測功能

    知識圖譜不僅限于滿足數據存儲和調用的功能,通過知識圖譜,我們可能會了解到之前不知道的東西,以及這些不同東西之間的關聯關系。通過知識推理的方式把隱含的信息表達出來,甚至可以利用知識圖譜里面的不一致性去檢測發現已存矛盾或有沖突的知識。

    知識圖譜保險業運用

    1.精準營銷獲客

    面對愈發激烈的市場競爭,準確的理解客戶意圖、有效匹配客戶需求和自身產品及服務,是保險機構在競爭中的軟實力。相較于傳統的渠道獲客方式,新興的智能數據挖掘方法,如客戶畫像體系和精準營銷模型,在營銷場景中具備明顯優勢??蛻舢嬒裼泻芏喾N做法,除了傳統的客戶標簽之外,知識圖譜能更好的反應與用戶相關的關系、事件、行為等因子,使畫像更具有結構化、動態化的過程。結合這些實時、動態、結構化的基礎畫像服務,為客戶分類、精準營銷等上層應用提供基礎。

    2.風險預測

    一方面是風險輿情監控,對保險公司關聯關系進行挖掘,實現語義上精準的輿情預警,幫助保險公司掌握風險輿情一手信息。一方面是承保風險預測,基于多維度的數據,建立起客戶、企業和行業間的知識圖譜,從行業關聯的角度預測行業或企業面臨的風險。例如,通過對行業進行細分,根據貸款信息、行業信息建立行業間的關系模型;通過機器學習,可發現各個行業間的關聯度,如果某一行業發生了行業風險或高風險事件,根據關聯關系可以及時預測有潛在風險的其他行業,從而可以幫助金融機構做出預判,盡早地規避風險。

    3.風控反欺詐

    近年來,保險欺詐形式花樣繁多,團伙欺詐、內外勾結等手法推陳出新,不少欺詐案件會涉及復雜的關系網絡。在這種嚴峻形勢下,原來通過單點突破進行反欺詐或者偵查的方法已經遠遠落后于時代需要。反欺詐的核心是人,知識圖譜技術將把與投保人和受益人相關的所有數據源打通,整合投保人和收益人的基本信息,如消費記錄、行為記錄、關系信息、線上日志信息等,進而進行深度分析和預測。

    4.優化業務流程

    通過對內部半結構化和非結構化材料進行知識提取與規則建立,能夠幫助保險公司形成內部材料快速電子化,確保數據正常流動,極大提升工作效率的同時,有助于得出對業務有益的知識。

    5.信息多維化可視化展示

    除上述應用場景外,知識圖譜還可以實現信息多維化可視化展示的功能。比如,通過一個被保險人的身份證號,知識圖譜中就會出現與之相關的消費記錄、聯系人信息、行為特征、職業、同業等關聯標簽信息。通過知識圖譜的可視化展示,把復雜的關聯非常直觀地呈現出來,使得各類信息的整體關聯情況可以一目了然。

    當前,以人工智能為代表的新興技術已步入快速發展與落地應用的關鍵期,新興技術與保險的融合應用已成為驅動保險行業數字化轉型的核心引擎,科技創新已成為保險全行業的核心競爭力。如何做到科技賦能,一方面,保險機構可以借助業內先進科技公司的力量快速提升自身的科技實力,從而更好更快地強化自己的保險服務本質能力;另一方面,科技公司可以與同業進行合作,也可以跨界競合,相互賦能,構筑起優勢互補的行業可持續發展生態。

    (作者單位:德聯易控科技(北京)有限公司)

    2020最新国产自产在线不卡_亚洲色情人综合视频_青青伊人国产费观看视频_先锋国产av资源
    <track id="o0hrq"></track>

  • <table id="o0hrq"><span id="o0hrq"></span></table>
  • <td id="o0hrq"></td>
    <big id="o0hrq"><strike id="o0hrq"><tt id="o0hrq"></tt></strike></big>
    <acronym id="o0hrq"><label id="o0hrq"></label></acronym>

  • <td id="o0hrq"><strike id="o0hrq"></strike></td>
  • <track id="o0hrq"><ruby id="o0hrq"></ruby></track>