农业银行姚琥：“AI+知识图谱”在信用风险管理领域的探索

1.打造金融大脑。金融大脑是农业银行的人工智能核心系统，在业内首次提出企业级AI金融平台解决方案，实现了全行的“智能集中”。金融大脑打造了感知和思维两大服务引擎，建设了统一的智能服务，大范围集成了人工智能核心技术，为全行众多业务领域实现AI赋能。

金融大脑实现多项创新，搭建了基于GPU/CPU的高性能AI计算架构，应用虚拟化技术跨平台对资源进行云化管理，提供高精度智能感知服务能力。建设了全生命周期的一体化机器学习与模型管理平台，实现了全流程自动化建模和模型自学习演进。全渠道实时智能决策引擎为业务发展提供更为智能的实时决策服务。拖拽式交互中心、高效知识共享与沙盘演练等大大降低了AI创新门槛，提升了AI创新效率。

2.构建知识图谱。在金融大脑建设过程中，农业银行基于DIKW（数据Data,信息Informa-tion，知识Knowledge，智慧Wisdom)体系，经过知识识别、融合、存储等环节，从海量数据中提炼信息，发现知识，形成知识图谱，并通过知识服务，将知识升华为智慧，让金融大脑变得更加聪慧。知识图谱采用四层架构模式构建，自底向上分别是知识识别、知识融合、知识存储与计算以及知识服务（如图1）。

图1农业银行知识图谱构建全过程

（2）知识融合。按照本体建模指引，对知识识别后的实体、关系等信息建立关联，并进行实体对齐，形成相对完整的知识图谱，完成从信息到知识的提炼。

（3）知识存储与计算。搭建了分布式的知识图谱存储平台，按照知识图谱内容不同，分门别类存储在图数据库、列数据库、索引库、关系数据库和RDF库中，支持根据应用场景选取相适宜的存储与计算，大幅提升查询和分析效率。

（4）知识服务。已建成四类知识服务，分别为语义分析、语义搜索、图挖掘和模型工厂，实现了知识发现，奠定了智慧基础。

相对于一般行业知识图谱，农业银行知识图谱实现了诸多突破与创新。

一是实现知识图谱全生命周期管理，涵盖从获取了融合到应用全过程，锻造出从结构化、半结构化和非结构化数据中提取知识的能力。

二是采用自顶向下和自底向上相结合的模式进行本体建模，形成本体概念、属性和关系等，易于业务人员理解、使用和管理。

三是采用混合架构，具备分布式存储与并行计算能力，支持大规模知识图谱构建与计算，具有高可用、高性能、可扩展等特点。

四是基于知识图谱的计算引擎，打造了语义分析、语义搜索、图挖掘和模型工厂四种智能服务，实现服务场景全覆盖，杜绝在知识应用中出现“孤岛”现象。

目前，农业银行知识图谱原始数据量在千亿级别，节点数在千万级别，各类关系（边）2亿条左右，支持各应用通过联机或批量方式接入。联机进行风险客户识别的平均响应时间约200ms，批量完成客群划分需要3小时左右。

通过构建知识图谱，农业银行打造了从“字符串”到“实体”的知识表征能力、基于“实体”关系网络图谱的知识关联能力、基于语义的精准检索能力，以及基于本体的知识推理能力，为金融产品创新和风险防控提供了强大的科技支撑。

1.加速信贷产品和服务模式创新，服务实体经济发展。综合运用大数据、“AI+知识图谱”等技术，进行客户360度刻画，准确识别和受理客户金融需求，构建科学的授信和风控模型，分层覆盖长尾客户，服务三大战略，大幅提升信贷产品有效供给能力和实体经济服务能力。

（1）服务乡村振兴战略。围绕农村金字塔形“上、中、下”层客户群，基于“AI+知识图谱”等技术，重点分析客户群所在产业链中的位置，精准识别客户群融资需求，分别推出快农贷、便捷贷、惠农电商贷、农民安家贷等产品线，建设服务“三农”的金融生态圈。

（2）服务普惠金融战略。运用“AI+知识图谱”等技术，对客户进行多维度精准画像，把控潜在风险，并逐步建立起以“e贷系列”小额线上融资产品、“云贷系列”供应链融资产品为核心的全线上小微企业信贷产品体系。以“e贷系列”微捷贷产品为例，上线3个月左右，已累计服务客户1.5万。

（3）服务消费升级战略。基于“AI+知识图谱”等技术，精准洞察客户需求变化，实现产品快速创新和智能推介，先后推出网捷贷、质押贷和车联贷等系列产品，为客户提供线上化、场景化、定制化和智能化的产品服务，持续提升获客、留客和活客能力。

2.创新信用风险管理模式，防范金融风险。应用“AI+知识图谱”等技术，通过构建智能化风控模型，实现大规模客户数据的关联分析和实时精准的智能化风控服务，完成信用风险防控从单体到群体、从人工到人机交互、从事后到事前的三项转变，大幅提升客户群体性风险防范能力，牢牢守住不发生系统性风险底线。

（1）建立关系视图。通过深度整合行内外数据，建立信贷客户标识特征库，全面识别客户间的关联关系，构建客户关系全网视图。目前，该视图已引入行内信贷、客户、交易三大主题和行外海关、司法、舆情、工商等六大主题数据，识别出担保、投资、控股等11大类33小类500多万条关联关系。

（2）划分风险客群。基于客户关系视图，运用知识图谱和社区发现理论，通过单一关联关系风险传导系数计量、客户间风险传导系数拟合、客群关系子网划分三个步骤，完成信用风险传导知识图谱构建和风险客群自动划分。相较以往专家经验模式，不仅可以高效处理大规模客群和多种复杂关系，且自动识别出的客群更为精准和可信。

（3）洞察客群风险。依托信用风险关系知识图谱，打造客群风险洞察引擎，主要包括核心企业识别、风险传导测算、客群风险测评、客群关系探索四大类应用。作为支撑信用风险管理模式创新及防控金融风险的智慧基础，有效提升客户群体性风险防控的意愿、能力、时效和成效。

图2 农业银行“金融大脑”的五大突破

“向之所欣、俯仰之间，已为陈迹”。世界在变革、时代在进步，深处金融业科技创新的最前沿，让我们共同迎接属于我们时代！