人工智能技术在预测模型中的应用
由于金融行业自身存在的高风险性，使得金融行业的发展也存在着各种潜在威胁，一些小的风险累计也会在不定期产生巨大的危机，因此对金融行业的风险及时发现和采取有效的预防措施就显得极为重要.金融风险又分为信用风险和欺诈风险。对于信用风险的控制，贯穿于信贷生命全周期，在控制风险方面，除了银行的实地考察，银行可以借助KGB知识图谱模型对金融行业进行风险预测。
KGB知识图谱功能包括：1.文档解析：KGB知识图谱引擎，可轻松解析多种格式与版本文档：TXT、DOC、EXCEL、PPT、PDF、XML等。尤其是PDF文件，可直接解析输出为word格式文件，保留文件中表格与文字格式等重要信息。对于图片信息，OCR可自动识别并抽取图片中的文字信息。2. 知识抽取：KGB知识图谱引擎，可从结构化表格与非结构化文本中自适应识别并抽取关键知识（主体、客体、时间、地点、金额、条款等），准确率高达90%，实现知识的快速生成。3.知识关联：KGB知识图谱引擎深入挖掘知识关联，将一个个知识实体链接为具有完整意义的知识事实。并具有强大的知识推理能力，推理出暗含的知识与结论，丰富知识图谱。4.知识较验：KGB知识图谱加工厂能够对知识质量智能校验，包括对多种知识错误与冲突进行自动智能核查与修正，更有知识工程师进行知识精准校验，保证知识图谱的准确性。
KGB知识图谱在金融行业的风险预测包括对潜在风险行业预测和潜在风险客户预测。
在潜在风险行业预测上，基于多维度数据对行业进行细分，根据行业信息建立关系挖掘模型，展示每个行业之间的关联度，如果某一行业发生了行业风险或高风险事件，可以及时预测未来有潜在风险的关联行业，金融机构从而可对相关行业的风险做出预判，尽早地发现并规避风险。
在潜在风险客户预测上，通过KGB知识图谱整合和关联企业内部结构化数据、非结构化数据以及互联网采集数据、第三方合作数据，发现和建立企业与企业之间的集团关系、投资关系、上下游关系、担保关系，企业与个人之间的任职、实际控制、一致行动关系，及时预测未来有潜在风险的关联企业。
KGB知识图谱通过通过知识图谱平台建设，引入自然语言处理技术提升了数据处理能力提升风控水平、体现了大数据项目的业务价值。
页:
[1]