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(yè)界的高度關注。知識圖譜的發(fā)展離不開算法和模型的創(chuàng)新，更離不開科技企業(yè)以更多的應用場景來持續(xù)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(yè)銀行紛紛開啟“第二增長曲線”，零售銀行業(yè)務受到了前所未有的關注度。零售銀行的發(fā)展進入了存量競爭的全新階段，商業(yè)銀行希望通過深度服務和價值創(chuàng)造來構建一個更長期和緊密的客戶關系。

零售業(yè)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(fā)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(huán)節(jié)，傳統(tǒng)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(tài)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(fā)+外部合作”模式。百融云創(chuàng)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(chuàng)通過打造客戶的復雜網絡，發(fā)現傳導路徑，并引入機器學習，結合圖分析技術，構建源發(fā)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(yè)務在貸前準入環(huán)節(jié)、貸中、貸后持續(xù)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。

（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）