<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[bigdatasoft的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/bigdatasoft</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; bigdatasoft]]></copyright><item><title><![CDATA[KGB知识图谱通过数据可视化提升金融行业分析能力]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/106910128</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/106910128</guid><author>bigdatasoft</author><pubDate>Mon, 22 Jun 2020 21:19:10 +0800</pubDate><description><![CDATA[知识图谱作为知识的一种形式，已经在语义搜索、智能问答、数据分析、自然语言理解、视觉理解、物联网设备互联等多个方面发挥出越来越大的价值。尤其在金融领域，KGB知识图谱能够实现数据可视化，智能搜索，为金融行业评估风险提供底层性支撑作用。
对于金融企业来说，金融行业中在对借贷资格，反欺诈等行为进行评估时，其审核过程和审核数据都是极其繁琐的。KGB知识图谱具备智能搜索功能，能够在语义上扩展用户的搜索关键词，从而返回更丰富、更全面的信息。比如，搜索某个人的身份证号，可以返回与这个人相关的所有历史借款记录、联系人关系和]]></description><category></category></item><item><title><![CDATA[KGB知识图谱帮助金融机构进行风险预判]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/106845107</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/106845107</guid><author>bigdatasoft</author><pubDate>Thu, 18 Jun 2020 22:56:01 +0800</pubDate><description><![CDATA[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。信用风险指的是由于客户的信用引起的不想或者不愿还款的情况。欺诈风险指的是利用虚假或者伪造信息骗取贷款。比如中小型金融机构所面对的信用风险，以违约风险最为明显，主要集中在不良贷款方面。面对客户群体法律意识较为淡薄，客户对还款义务不明确。同时存在一些不法分子的恶意诈骗。对于信用风险的控制，贯穿于信贷]]></description><category></category></item><item><title><![CDATA[知识图谱能够为金融行业实现精准营销]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/106769956</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/106769956</guid><author>bigdatasoft</author><pubDate>Mon, 15 Jun 2020 19:47:21 +0800</pubDate><description><![CDATA[随着人工智能的发展和应用，知识图谱越来越成为关键技术之一，已被广泛应用于智能搜索、智能问答、内容分发等领域。
对数据具有强依赖的金融行业，非常注重数据如何甄别、选取、组织数据。但是在海量数据面前，传统金融机构对数据资源的运用在广度与深度上都不够，导致营销乏力、获客不准。所以在营销获客方面，KGB知识图谱能够凭借其技术优势实现金融行业的精准营销。
KGB知识图谱具备这些功能：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，]]></description><category></category></item><item><title><![CDATA[KGB知识图谱成功落地金融行业]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/106696764</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/106696764</guid><author>bigdatasoft</author><pubDate>Thu, 11 Jun 2020 20:52:34 +0800</pubDate><description><![CDATA[知识图谱的逻辑结构分为两个层次：数据层和模式层。在知识图谱的数据层，数据如果以『实体-关系-实体』或者『实体-属性-值』作为基本表达方式，我们把这种表达方式称为“三元组”，则存储在图数据库中的所有数据将构成庞大的实体关系网络，形成知识的图谱。
KGB知识图谱能够实现以下功能：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]]></description><category></category></item><item><title><![CDATA[KGB知识图谱通过知识校验完成企业的风险审核]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/106644620</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/106644620</guid><author>bigdatasoft</author><pubDate>Tue, 09 Jun 2020 16:07:23 +0800</pubDate><description><![CDATA[企业风险主要依托于企业自身相关数据及其关联数据，这些数据具有一定的特殊性和专业性，只有依靠专业的理论和实践知识才能处理这些数据，从而发现企业可能存在的风险。这需要掌握企业数据、行业数据等信息，对于企业管理人员来说较为困难，也提高了企业自身的成本，对于一些创业公司或者中小企业来说是较为困难。高效实现企业风险的预警分析对于企业自身运营起到了保护作用。
由于专业知识欠缺、企业数据维度高以及企业数据量大等问题，目前还没有较好的方法实现对企业风险进行有效的分析，企业无法做到有效风险规避，直接影响企业发展。
知识图谱进]]></description><category></category></item><item><title><![CDATA[KGB知识图谱深入挖掘金融行业的知识关联]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/106532923</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/106532923</guid><author>bigdatasoft</author><pubDate>Wed, 03 Jun 2020 21:06:41 +0800</pubDate><description><![CDATA[金融行业面对的数据资源来源更多样、结构更复杂，其中既包括来自互联网舆情、监管机构的合规要求、内部报告等文本数据，财务、行研等半结构化数据，以及上百个业务系统产生的海量结构化数据。这些数据资源的获取和整合不仅依赖数据爬取、多源异构数据治理、分布式数据存储等技术，也依赖强大的外部数据资源协作能力和内部推动能力。这样，知识图谱就发挥了重要作用。知识图谱在金融领域的应用主要包括：风控、征信、审计、反欺诈、数据分析、自动化报告等。
以反欺诈为例，反欺诈是风控中非常重要的一道环节。基于大数据的反欺诈的难点在于如何把不同]]></description><category></category></item><item><title><![CDATA[KGB知识图谱完成金融行业的信息抽取工作]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/106520644</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/106520644</guid><author>bigdatasoft</author><pubDate>Wed, 03 Jun 2020 11:30:52 +0800</pubDate><description><![CDATA[随着计算能力的增强和互联网的普及，计算机和金融领域的结合也越来越密切，现阶段在自动化交易系统、智能投顾、欺诈识别等场景下已经取得的一定的成果。
在金融领域，迅速、全面、准确地获取有价值的行业信息是决定一个企业成败的关键。近些年，随着互联网和金融行业的快速发展，每天都有大量的金融文本产生,面对着海量的公司年报、公告、新闻，其内容分散，数据稀疏，无结构化信息等特点逐渐凸显。如何在数据爆炸的信息中高效找到有价值的知识，将有价值的无结构化信息进行半结构化或结构化是首先需要解决的问题，而信息抽取则是知识发现的核心之一]]></description><category></category></item><item><title><![CDATA[KGB知识图谱凭借OCR文字识别突破文档解析局限]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/106468168</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/106468168</guid><author>bigdatasoft</author><pubDate>Mon, 01 Jun 2020 10:52:09 +0800</pubDate><description><![CDATA[在企业协作过程中，往往能产生大量的信息和文档。在项目管理过程中产生的，例如调研报告、实施方案，验收标准等；有企业培训中陆续产生的，例如新成员培训文档；有职业技能提升的，例如销售部成员的销售技巧提升方法文档等；有行业认知类的文档，例如行业分析报告，友商产品评估报告等；有公司举办线下活动的方案；有市场部出品的，例如PR稿；有ceo或高管参加行业大会的演讲稿等。
对这些知识进行提取和整理的效率直接影响企业的生产协同效率，这些文档中包含了大量文本数据，也包含了一写图片，截图形式的内容，对这些内容的整理成为了自动化文]]></description><category></category></item><item><title><![CDATA[KGB知识图谱充分发挥海量数据处理优势]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/106262469</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/106262469</guid><author>bigdatasoft</author><pubDate>Thu, 21 May 2020 17:20:05 +0800</pubDate><description><![CDATA[知识图谱本质上是一种大规模的语义网络。从2012年谷歌提出知识图谱，知识图谱一直在快速发展，其应用也不再局限于“语义网络”范畴。

现如今的知识图谱在实际应用中，主要作为大数据时代的知识工程出现。和传统的知识图谱工程相比，其使用效果主要是受到其数据规模的影响。大数据时代，受益于海量数据、强大的计算能力和群智计算，知识图谱能够自动构建大规模、高质量的知识库，从知识规模的量带来质的改变。

互联网时代的数据分析存在一些特有特点：1. 数据规模巨大，个体之间差异带来了巨大的差异性数据 2. 数据的精度不高，...]]></description><category></category></item><item><title><![CDATA[NLPIR九眼人工智能合同审核系统找到语义分析新应用]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/106262345</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/106262345</guid><author>bigdatasoft</author><pubDate>Thu, 21 May 2020 17:16:15 +0800</pubDate><description><![CDATA[传统的人工审核合同的方式是人工审核策略，大部分精力实际并没有耗费在专业问题上，很多都在低水平的低级错误上，耗费大量人力的同时，效果依然拆强人意。大数据、人工智能的出现，为合同的审查和撰写提供了一定的帮助。九眼智能合同审核平台，针对各类合同文本进行格式、语法及专业内容的自动智能审核，信息抽取、范文比对，图文比对，快速定位合同风险点，提升法务人员合同审核效率与准确度。

其中九眼合同智能比对技术一分钟解决人工不易发现的风险，主要功能如下：

1、根据用户上传合同推荐合同范本，并快速比对合同差异、完善合同内容，规]]></description><category></category></item><item><title><![CDATA[NLPIR利用知识图谱技术提高智能问答准确率]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/104063127</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/104063127</guid><author>bigdatasoft</author><pubDate>Tue, 21 Jan 2020 16:15:21 +0800</pubDate><description><![CDATA[语义搜索、智能问答是NLP的关键技术，目的是让用户以自然语言形式提出问题，深入进行语义分析，以更好理解用户意图，快速准确获取知识库中的信息。在用户界面上，既可以表现为搜索引擎的形式（语义检索）、也可以为问答机器人的形式（智能问答）。
在语义搜索方面，使用知识图谱技术搜索得到的信息还可以经过加工后分门别类，比如，负面消息汇总、热点事件、并购事件、公司公告、研究报告、公司上下游、行业规模等等。
问答机...]]></description><category></category></item><item><title><![CDATA[KGB知识图谱在智能问答方向发挥技术特色]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/104043037</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/104043037</guid><author>bigdatasoft</author><pubDate>Sun, 19 Jan 2020 17:12:05 +0800</pubDate><description><![CDATA[智能问答即给定自然语言问题，通过对问题进行语义理解和解析，进而利用知识库进行查询、推理得出答案。如下图所示：
与对话系统、对话机器人的交互式对话不同，智能问答具有以下特点：
答案：回答的答案是知识库中的实体或实体关系，或者no-answer（即该问题在KB中找不到答案），当然这里答案不一定唯一，比如 中国的城市有哪些 。而对话系统则回复的是自然语言句子，有时甚至需要考虑上下文语境。评价标准：召回率...]]></description><category></category></item><item><title><![CDATA[NLPIR系统构建知识图谱助力智能客服应用]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/103985071</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/103985071</guid><author>bigdatasoft</author><pubDate>Wed, 15 Jan 2020 10:50:28 +0800</pubDate><description><![CDATA[目前，市场上的智能客服机器人已经是一款成熟的SASS产品，90%以上的企业都可以直接接入，数据保存在云端或者机器人公司的数据库，部署非常方便。同时，对于一些大型集团公司或者金融类企业，对数据保密性要求比较高的，也可以实施落地化部署，所有数据均存放在企业本地服务器上。
智能客服机器人的应用场景有哪些
寒暄闲聊，有趣互动
丰富的寒暄语库，贴合业务场景，模拟真人对话亲切自然。
意向初筛，精准分流
机器人...]]></description><category></category></item><item><title><![CDATA[NLPIR搭建行业知识图谱实现智能客服应用]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/103893499</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/103893499</guid><author>bigdatasoft</author><pubDate>Wed, 08 Jan 2020 16:19:29 +0800</pubDate><description><![CDATA[近几年，随着人工智能技术的深入发展及在各行各业加快落地化部署，客服行业已逐渐成为了人工智能技术众多落地应用中的重点应用场景。不少企业已经采用了智能客服机器人来替代大部分人工客服，并组建了智能化客服系统，由原来的大量人工客服模式转变为智能客服机器人+少量人工客服模式。智能客服机器人能全渠道连接客户，覆盖与客户接触的各类渠道，支持网页、QQ、H5、APP、微信公众号、微博等在线沟通，具备PC端和移动端...]]></description><category></category></item><item><title><![CDATA[NLPIR系统实现知识图谱技术的企业服务场景应用]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/103858544</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/103858544</guid><author>bigdatasoft</author><pubDate>Mon, 06 Jan 2020 15:35:38 +0800</pubDate><description><![CDATA[知识图谱在行业应用方面实现的突破具体表现在知识表示、知识获取和知识应用三个层面。在知识表示层面，行业应用领域知识图谱的广度、深度和粒度都和传统知识图谱有差别。知识图谱在下面一些典型的企业服务场景可以产生超出预期的效果：
供应链优化：企业生产商品的过程中通常要采购各种不同的原材料、辅料和半成品等，如何集中采购，如何找到物美价廉的供应商，如何及时了解供应商的情况，都依赖于以知识图谱技术为基础的非标准和...]]></description><category></category></item><item><title><![CDATA[NLPIR技术运用知识图谱技术应用于智能金融]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/103785618</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/103785618</guid><author>bigdatasoft</author><pubDate>Tue, 31 Dec 2019 16:39:29 +0800</pubDate><description><![CDATA[在金融领域，NLP技术的作用主要在于自动从海量的宏观、行业、微观资讯中发现、分析并整合与各类决策相关的信息。
知识图谱在金融中有多项应用，首先通过信息检索技术获取相关文本，然后借语义分析技术从非结构化文本中提取结构化的信息，最后将这些信息加以提炼，并且使之关联到未来可能的发展趋势，从而为预测和决策提供有价值的及时信息。
智能金融应用是通过知识图谱相关技术从招股书、年报、公司公告、券商研究报告、新闻...]]></description><category></category></item><item><title><![CDATA[NLPIR运用知识图谱技术提供司法裁判依据]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/103732880</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/103732880</guid><author>bigdatasoft</author><pubDate>Fri, 27 Dec 2019 15:24:09 +0800</pubDate><description><![CDATA[人工智能通过建立知识图谱，在司法裁判领域运用范围相当广泛，基本上涵盖法官决策的全过程。今天列举几种知识图谱在司法领域的应用场景。
1.庭前抽剥案件筋骨，形成争议焦点
依托电子卷宗随案同步生成系统，通过OCR技术，使电子卷宗转变为可复制、结构化、数据化的电子文件，实现案件信息自动回填，方便法官快速定位、检索相应内容及复制引用文字。通过构建法律知识图谱，运用自然语言处理、语义分析等技术自动提取和比对公...]]></description><category></category></item><item><title><![CDATA[NLPIR系统自动构建知识图谱核查招标文件]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/103700727</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/103700727</guid><author>bigdatasoft</author><pubDate>Wed, 25 Dec 2019 15:59:06 +0800</pubDate><description><![CDATA[作为招投标过程中的重要文件，招标文件的审核在招标文件质量控制过程中十分重要，那么招标文件中有哪些重要点呢，招标文件审核要做好哪些工作呢？
一、审核完整性
无论什么文章，写作都有相应的要求，而完整性就是最基本的要求，招标文件的编制也是一样。检查一本招标文件是否完整，主要是审核整个文件框架是否包括了法律法规中规定的内容。审核文件时应需注意文件中是否根据采购标的对相关要求进行足够详细的描述，其同时也是合...]]></description><category></category></item><item><title><![CDATA[NLPIR系统自动构建公共安全知识图谱]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/103669535</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/103669535</guid><author>bigdatasoft</author><pubDate>Mon, 23 Dec 2019 17:31:30 +0800</pubDate><description><![CDATA[随着知识图谱的技术不断跟进，知识图谱的应用范围也在扩展。KGB知识图谱能够对安评报告进行知识抽取，构建安评审核规则库、法律法规库与安评专业内容知识图谱，对安评报告进行准确智能核查，为公共安全保驾护航。
知识图谱在公共安全的场景介绍
　　
案件分析研判
梳理案例信息进行深度挖掘，将案件所涉及的人、物、组织以及其他相关的关联关系展开综合分析，结合时间、空间等分析维度以及多维统计过滤，实现对案件的综合分...]]></description><category></category></item><item><title><![CDATA[NLPIR系统自动构建企业上市大数据知识图谱]]></title><link>https://blog.youkuaiyun.com/bigdatasoft/article/details/103581731</link><guid>https://blog.youkuaiyun.com/bigdatasoft/article/details/103581731</guid><author>bigdatasoft</author><pubDate>Tue, 17 Dec 2019 15:46:33 +0800</pubDate><description><![CDATA[知识图谱加工厂能够对企业IPO文档进行知识抽取，构建企业知识图谱与知识库，深入研究IPO成功与否影响因素，助力企业IPO上市之路。
IPO企业大数据构建
受到科创板注册制的快速上会、高通过率的上市热潮影响，越来越多的企业开始走向上市之路。截至2019年12月10日，根据网络公开数据表示，在各地证监局备案的拟上市公司有1169家，目前在会申报的拟上市企业多达500家以上，这些都表明企业上市是近几年的...]]></description><category></category></item></channel></rss>