6月4日，广州公示金融科技创新监管工具第二批创新应用项目，其中包括4个项目，涉及国有商业银行、股份制商业银行、科技企业、研究机构和监管机构。

在具体应用项目上，有两个项目使用到知识图谱技术，分别是《基于知识图谱技术的风险交易预警服务》和《基于知识图谱的外汇违法违规风险行为识别应用》，申请机构分别为农业银行广东分行和国家外汇管理局广东分局、广发银行。

知识图谱是什么？

有人说，现在我们的身边充斥着太多信息，多到让人无法找出自己想要的那些，这句话在某种程度上说明了问题。机器和软件不懂人类要什么，不知道什么是重要的，它们能做的就是将所有信息都罗列出来，这势必会造成大量无效信息的堆积。

知识图谱可以解决这个问题，通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法同计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的。

简单的说，知识图谱就是从大量的信息和数据中提取到有效的、重要的信息，过滤掉无效的、重复的信息，并以图谱形式展示。在逻辑上，知识图谱分为数据层、模型层两层结构。

数据层是一系列事实所组成，模型层则建立在数据层之上，是知识图谱的核心，在模型层存储的是经过提炼的知识。

举个例子，“拜登——总统——美国”、“拜登——年龄——78岁”属于知识图谱的模型层，其中“拜登是美国的总统”、“拜登今年78岁”则是属于数据层。

在这里面还有一个重要的概念：本体，在模型层的管理上，通常采用本体库来进行管理。本体是知识的抽象，大多数本体描述的都是个体（实例）、类（概念）、属性以及关系。如果我们要做图书领域的知识库或者知识图谱，首先要对图书进行分类，这个分类就是本体。

如何构建知识图谱？

知识图谱构建从最原始的数据（包括结构化、半结构化、非结构化数据）出发，采用一系列自动或者半自动的技术手段，从原始数据库和第三方数据库中提取知识事实，并将其存入知识库的数据层和模型层，这一过程包含：信息抽取、知识表示、知识融合、知识推理四个过程，每一次更新迭代均包含这四个阶段。

信息抽取：从各种类型的数据源中提取出实体、属性以及实体间的相互关系，在此基础上形成本体化的知识表达；

知识融合：在获得新知识之后，需要对其进行整合，以消除矛盾和歧义，比如某些实体可能有多种表达，某个特定称谓也许对应于多个不同的实体等；

知识加工：对于经过融合的新知识,要经过质量评估之后(部分要人工参与甄别)，才能将合格的部分加入到知识库中，以确保知识库的质量；