- 公安情报分析
通过融合企业和个人银行资金交易明细、通话、出行、住宿、工商、税务等信息构建初步的“资金账户-人-公司”关联知识图谱。同时从案件描述、笔录等非结构化文本中抽取人（受害人、嫌疑人、报案人）、事、物、组织、卡号、时间、地点等信息，链接并补充到原有的知识图谱中，形成一个完整的证据链。辅助公安刑侦、经侦、银行进行案件线索侦查和挖掘同伙。比如银行和公安经侦监控资金账户，当有一段时间内有大量资金流动并集中到某个账户的时候，很可能是非法集资，系统触发预警。
- 反欺诈情报分析
通过融合来自不同数据源的信息构成知识图谱，同时引入领域专家建立业务专家规则。我们通过数据不一致性检测，利用绘制出的知识图谱可以识别潜在的欺诈风险。比如借款人张xx和借款人吴xx填写信息为同事，但是两个人填写的公司名却不一样，以及同一个电话号码属于两个借款人，这些不一致性很可能有欺诈行为。
11.2 知识图谱构建的关键技术
人类知识来源于进化、经验、文化传承（可以简单理解为“零”手、一手和二手知识），因此人工智能终极算法的思路不外乎是对进化、人类经验的数学化模拟以及对知识本身的不断结构化。各家知识图谱厂商对于人工智能的流派总结大多都认同连接主义、行为主义、符号主义这些流派。其实，人工智能的本质就是模拟人类学习能力的各个方面，这里学习是广义的学习，也就是包含狭义的认知、交流、规划、推理等能力。
AlphaGoZERO让人工智能似乎完全走在了经验主义的路上。知识图谱不同于经验主义，是一种可知的、结构化的方法。实际上，结构化是企业信息管理或数据管理工作一直采用的方法，大数据建设做的是数据的结构化，而知识图谱向上走了一层，做的是知识的结构化。从另一个意义上，这两者也不是割裂的，知识由数据构成，企业数据平台和数据管理工作实际上是知识图谱技术应用的优势基础。
大规模知识库的构建与应用需要多种技术的支持。通过知识提取技术，可以从半结构化、非结构化和结构化数据库的数据中提取出实体、关系、属性等知识要素。知识表示则通过一定有效手段对知识要素进行表示，便于进一步处理使用。然后通过知识融合，可消除实体、关系、属性等指称项与事实对象之间的歧义，形成高质量的知识库。知识推理则是在已有的知识库基础上进一步挖掘隐含的知识，从而丰富、扩展知识库。分布式的知识表示形成的综合向量对知识库的构建、推理、融合以及应用均具有重要的意义。因此，知识图谱是一系列技术的组合，分成以下4个层次。
●知识提取：文本分析和抽取技术。
●知识融合：语义计算、数据整合和存储。
第11章 知识图谱
377