人工智能的复兴
知识图谱:链接碎片化的大数据
知识图谱认为人真正的智能推理最后也是转变为一种向量去计算。我们现在也要把逻辑弱化,一种soft rule,不能做很强的推理。神经网络更多偏重计算,知识图谱更多偏重记忆,而真正的人工智能还得是二者结合起来才有更大的应用。
金融与语义
金融与语义是今天的一个主题。我看到鲍捷也写过许多文章。金融数据的结构化也是很多年前就做了,从08、09年就开始做了。这些年很多人都在考虑一个问题:怎么才能把金融的数据更好地结构化、语义化。我觉得要做知识图谱,还是要从基本的金融数据开始,刚开始可能不能完全靠机器,还是要靠手工。我们要充分利用结构化的数据,实质性更好的其实还是来源于文本也就是研报,其中有很多有价值的数据。
最基本的是要有实体,其次要有更高级的知识结构。接下来我们来看知识图谱能不能够做到量化金融。现在有许多学者,很确信在量化金融领域机器可以打败人。现在百度在做概念选股,主题选股,语义就可以帮助做这个事情,辅助我们更好地进行选股。毕竟现在信息太离散。人和人之间的关系更加不用说了,涉及的数据会更多。
最后说一下为什么知识图谱还是能在金融领域发挥很大的作用。首先,金融领域的数据是开放性不错的,比如医疗领域很多病例的数据是拿不出来的。其次,数据端很基本,文本、数据的时间特征很强。现在关联数据的诉求是确实存在的。
其实我是带着问题来的——拿金融知识图谱具体做些什么。我对于金融领域也不是很懂,现在有一个钉子你去设计锤子会比较容易,那么没有钉子去设计锤子非常困难。我也希望能够用技术解决金融领域的问题。
发表回复