导语
文因互联成立于2015年，是国内领先的智能金融解决方案提供商。团队在知识图谱技术、自然语言处理技术、金融知识建模等方面有深厚积淀。自公司成立以来，文因互联对智能金融的多个分支领域进行了探索，当前的主营业务是基于自然语言处理技术和知识图谱技术，为金融机构提供业务流程自动化和智能化解决方案。
入驻京东 AI 加速器后，将与京东AI加速器的深度合作，共同开发基于企业知识图谱的“银行小微贷款流程自动化系统”。同时，京东AI加速器将帮助文因互联与京东金融寻求合作，探索金融行业知识图谱领域深入合作的可能。
智能金融一直处在互联网、金融、人工智能三个风口的交接处，向来是业内关注的焦点。 我国自2015年起便将人工智能纳入了国家战略发展规划，从鼓励智能制造，逐步扩展到鼓励 AI 进行全面的生态赋能。金融作为人工智能落地的最佳场景之一，成为政府关注鼓励的重点方向。2017年7月20日，国务院发布《新一代人工智能发展规划》。文中指出：2020年人工智能核心产业规模预期超过1500亿元，到2030年有望超过1万亿元。
这样的万亿市场如何落地，一直是金融机构与人工智能从业者需要思考的问题。在过去几十年里，技术一直在为金融带来变革，从中国金融来看，整个发展历程将分为四个阶段：信息化、大数据化、自动化、智能化。当前国内金融主要处于自动化阶段即大规模ETL阶段向智能化转化的节点，这也是金融智能化探索的关键时期。 作为国内金融知识图谱的领先企业，文因互联凭借着领先的知识图谱和自然语言处理能力，在智能金融的多个分支进行了探索，并且在各分支已经有成功的案例。
高效低成本冷启动，快速构建领域知识图谱 如何在国内展开智能金融的技术落地
文因互联近年来持续与各金融界人士深入探讨，涉及的问题包含行业研究、企业研究、尽职调查、交易撮合、并购、投资顾问、审计监察，风险控制、系统风险防范等等诸多领域。经过探讨发现，尽管智能金融落地场景多样，但总的来说，集中在“价值判断”和“风险评估”这两个大问题上。 进行价值判断和风险评估所需要考虑的因素非常之多。金融产品是非常复杂的商品，一份股转书就有两百多页，还有大量的年报、半年报、研究报告、公告、反馈意见、尽职调查结果……海量材料人工遍览显然是不可能的，也很少有人是看了这几百页的材料再做决定的，往往都是凭经验和人脉“拍脑门“做决策。 这便给算法和技术的落地提供了巨大的机会：从“脏数据”中构建金融行业知识图谱，并结合业务逻辑给出价值判断以及风险评估的参考和预警。
在整个落地技术链条中，知识图谱居于核心的地位，可以说是金融报表电子化（以XBRL 为代表）以来又一次质的飞跃。 知识图谱是金融数据分析从简单的量化模型走向更为复杂的价值判断和风险评估必经的一环，是把人的经验和人脉逐步变成可重用、可演化、可验证、可传播的知识模型的方法。 在系统的构造中，知识图谱弥补了原有数据库的不足，把机器学习、自然语言处理、深度学习这些知识提取方法；领域词表、分类树、词向量、本体这些知识表现方法；RDF数据库和图数据库这些知识存储方法；和语义搜索、问答系统、分面浏览器这些知识检索方法粘合在一起，提供金融智能化的工具集。
文因互联的创始人鲍捷博士，师承图灵奖得主Tim Berners-Lee和语义网之父James Hendler，是极少数真正进入知识图谱界核心的中国人。早已在这一领域耕耘二十余年，硕果累累，取得多项国际领先的成果。
文因互联创始人鲍捷博士 鲍捷博士参与创建了模块化本体理论（2006年）和知识图谱上的语义信息论（2010年）。此外他还是国际知识图谱技术标准化的制定者之一，参与设计了知识图谱的标准语言OWL语言（2008-2010），同时也是RDF的文本国际化表示标准的作者。在金融知识图谱方面，早在2010年，他就提出了XBRL语义模型。基于这个模型的证券分析论文获得2011年IEEE计算智能与金融工程会议的最佳论文。
作为金融知识图谱技术标准制定者、核心理论和算法贡献者和多个领域应用的先行者，鲍捷博士过去二十年的深厚技术积累在逐步转化到文因互联的技术研发之中。
比如：
· 可快速（小时级）冷启动的短文本分类bootstrapping算法；
· 不依赖领域专家建立领域词库；
· 可混合文本检索和结构化推理的非单调推理机，用于段落和句子标签，及命名实体识别。
这些技术都让文因互联在进入金融领域后，在零数据的情况下，能够快速冷启动、迭代，并稳步升级技术引擎和积累数据。 在更深地结合金融业务后，文因互联之前在金融图谱领域创新的经验，也开始发挥作用，比如研发了基于XBRL的财务校验算法，以及融合了上述几项技术的无监督财务数据提取算法等等。
深厚的技术储备不断夯实文因互联的技术壁垒，为文因互联高效低成本地快速构建金融知识图谱提供了可能。
以知识图谱为基石切实解决金融机构业务自动化难题
文因互联聚焦于金融领域的业务流程自动化，包括自动化监管、自动化审计、银行数据治理和知识图谱建设等。主要的工作重点在金融领域的知识图谱构建，和基于知识图谱的相关应用构建。公司将继续发展专业知识库和通用知识库，如企业库、人物库、产品库、事件库、组织库，逐步建立财务规则库、行业分析知识库、宏观分析知识库等，为更多金融客户解决自动化难题以及智能化赋能。
以基于企业知识图谱的小微贷款流程自动化系统解决方案为例： 根据银监会的报告，截至2017年12月末，全国银行业金融机构小微企业贷款余额为30.74万亿元，占各项贷款总余额的24.67%。小微企业贷款较2017年初增加4.04万亿元，小微企业贷款户数达到1520.92万户。无论是发放资金量，还是申请的企业数量，都是天文数字，对传统的银行信贷业务带来很大挑战。 从资金量角度来讲，虽然总的资金量高，但是人均处理资金量少，平均每个客户经理只能处理500万到1000万资金量的贷款。许多银行还只是依赖人工来审核和处理贷款申请信息，处理周期长、人力成本高。
技术上的深厚积淀带来业务上的卓越表现， 文因互联基于企业知识图谱正在为某银行开发小微贷款流程自动化系统解决方案。方案将通过人工智能构建用户知识网络和关系网络；通过应用网络数据模型，将政策法规，行业信息，用户信息、交易数据、交易行为、 关联关系，热点新闻等数据通过行业的理解、营销的逻辑、风控的原则等规则连接在一起，从贷前调查、贷中报告到贷后管理梳理，促进整个业务流程的自动化。让银行信贷审批等决策行为减少对个人经验的依赖，将极大提升该银行的信审放贷效率。
未来几年，文因互联将继续致力于发挥智能金融的真正价值，即通过人工智能建立起金融机构的大规模自动化系统，让监管、银行、投资机构等决策行为减少对个人经验的依赖，从而减少人员流动对机构的冲击，建立新型的协作系统，加速金融行业向自动化以及智能化转型。
发表回复