知识图谱在应用过程中，主要面临哪些困难？

知识图谱在工业界还没有形成大规模的应用，很多仍处于调研阶段，主要原因在于很多企业对知识图谱并不了解，或者理解不深。但从目前的趋势可以预测，知识图谱在未来几年内必将成为工业界的热门工具。当然，知识图谱在实际应用中仍然将面对很多的挑战。

1、数据的可访问性。数据处理的最大烦恼常常是无法得到数据。由于种种原因，数据往往无法得到充分的公开，被封闭在数据孤岛上；或者仅仅被用书面的方式保存，无法用电子形式读取处理，可访问性不好。提高可访问性的主要手段是把数据电子化和网络化，可以方便地通过网络链接和访问。其中涉及的技术有：网络爬虫、PDF格式转文本、图片中的字符识别和文本清理等。最后，使用大家广泛接受的传输协议，提供不同平台间的兼容。

2、数据的可发现性。原始数据中往往存在很多的噪声，例如，数据本身在收录时有错误，必须被纠正；再如，数据会有冗余，同一家公司的名称可能会有全名、缩写名等形式，处理时被当作不同的公司对待等。这些都会对后继的数据处理造成干扰，降低数据的可发现性。

3、数据的深层关系。因为海量的数据已经远远超出人类的处理能力，依靠人力无法发现在数据中隐藏的众多关系。人类也许能从数据中最多找出几百个维度，但是机器使用自然语言处理的技术可以识别成千上万个维度，特别是关系抽取。此外，各种推理的方法也非常重要，通过推理规则可以发现隐藏得很深的联系。

4、领域知识的集成。金融涉及多个行业，可以分为上百个领域，这些领域都多少需要集成领域的专业知识。不管是投资还是制造，其中的主要概念、产品分类、市场竞争情况等都需要通过行业专家收集整理，并反映到领域知识库中。其中需要的主要技术为：文档篇章分割、中文分词、实体提取及消歧、关系提取、规则库建设等。金融领域中的征信、融资、资管、二级市场交易等都有具体的业务场景，都需要业务逻辑，这些逻辑在数据之上表现为模型，需要在基础数据和领域知识的基础上实现。

5、策略的生成。现有阶段，机器在业务场景中还无法完全替代人类的作用，而是辅助人类作出价值判断、风险判断，通过过往的案例或者既定的逻辑，为人类推荐可行的策略。在此，涉及到人工智能的方方面面：对用户交互而言，有意图理解、语言生成、用户画像匹配等；在业务层面，有逻辑生成、投资模型、风险模型等；涉及的数据处理有规则提取、知识库建设，语义检索、逻辑推理等。

最后，我们必须看到，金融和所有其他领域一样，正在逐渐被人工智能渗透，人类将会越来越多地依靠机器的帮助，更加科学地决策。今天的金融辅助工具已经可以提供大量的帮助，让投资人更容易地获得数据和分析层面的支持，大大提高工作的效率。而在整个技术链中，知识图谱居于核心地位，这是自金融报表电子化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，把经验逐步变成可重用、可演化、可验证、可传播的知识模型，从而实现数据到智能的升华。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
1.人工智能时代，AI人才都有哪些特征？
http://www.duozhishidai.com/article-1792-1.html
2.大数据携手人工智能，高校人才培养面临新挑战
http://www.duozhishidai.com/article-7555-1.html
3.人工智能，机器学习和深度学习之间，主要有什么差异
http://www.duozhishidai.com/article-15858-1.html

多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站

知识图谱在应用过程中，主要面临哪些困难？相关推荐

知识图谱学习与实践（1）——知识图谱的演化过程
1 引言知识图谱是一个包含很多技术内容的知识体系,总的来说,是处理关联的知识,核心是数据,但强调了数据之间的关联关系.简单来看,可以认为是数据库或知识库,和语义网有着千丝万缕的联系.知识图谱是由谷歌 ...
Python neo4j建立知识图谱，药品知识图谱，neo4j知识图谱，知识图谱的建立过程，智能用药知识图谱，智能问诊必备知识图谱
一.知识图谱概念知识图谱的概念是由谷歌公司在2012年5月17日提出的,谷歌公司将以此为基础构建下一代智能化搜索引擎,知识图谱技术创造出一种全新的信息检索模式,为解决信息检索问题提供了新的思路.本质 ...
知识图谱在互联网金融中的应用
http://www.infoq.com/cn/articles/Application-of-Knowledge-Graph 知识图谱 (Knowledge Graph) 是当前的研究热点.自从20 ...
知识图谱在金融领域中的应用
知识图谱现在已经成为各个企业中不可或缺的一部分导读知识图谱 (Knowledge Graph) 是当前的研究热点.自从2012年Google推出自己第一版知识图谱以来,它在学术界和工业界掀起了一股 ...
知识图谱基础知识之三——知识图谱的构建过程
前两次介绍了知识图谱的基本概念和知识图谱的构建方式,这次介绍一下知识图谱系统的构建过程. 1 知识图谱的总体构建思路如图所示,从原始的数据到形成知识图谱,经历了知识抽取.知识融合(实体对齐).数据模 ...
知识图谱在互联网金融行业中的应用
反欺诈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来源的数据(结构化,非结构)整合在一起,并构建反欺诈引擎,从而有效地识别出欺诈案件(比如身份造假,团体欺诈,代办包装等) ...
如何解决抽样调查过程中所面临的难点和问题？——以政治学研究为例
论文| 量化研究方法政治学抽样调查面临概念抽象.复杂,难以测量,理论假设中的关系结构复杂,不得不较多依赖面访式概率抽样调查的难点.受这些难点所限,一些调查中发生了概念不清.社会期许偏差.评价参照系偏 ...
复旦数据院副院长阳德青：知识图谱在个性化推荐系统中的应用
来源:启迪之星上海本文约2700字,建议阅读5分钟. 本文为你着重介绍基于知识图谱的搜索与推荐方面的基本内容和应用,知识图谱领域的研究及前沿技术. 我们几乎每天都会收到各种各样的推荐信息,从新闻购物 ...
ip代理服务器软件25探索云速捷_IP代理在实际使用过程中会面临的问题，如何准确挑选和使用代理IP...
在当下的互联网时代,数据.流量成为我们日常工作和分析的主要依据及来源.那么这些数据和流量的使用过程中确实需要我们进行包装和优化,在这个环节我们需要进行动态IP的使用,因为在不断的进行账号和平台的使用过 ...
白雪 | NLP加持知识图谱在金融事件挖掘中的应用
本文转载自公众号:阡寻科技. 9月15日讯,涵盖金融科技.人工智能及区块链领域的2018恒生技术开放日于今日开幕,阡寻科技联席CEO.复旦大学人工智能方向博士白雪受邀出席本次大会,分享了金融领域事件特 ...

知识图谱在应用过程中，主要面临哪些困难？

知识图谱在应用过程中，主要面临哪些困难？相关推荐

最新文章

热门文章