自动拨打电话机器人(电话自动拨号机器人)

　　夏日小剧场

　　恒生金融机器人客服

　　夏天来了！空调风也嗖嗖嗖吹了起来。这不，小华妈妈打来电话，肩周炎又犯了！

　　小华立马问起了恒生机器人：肩周炎用什么来治疗？

　　???恒生机器人答：玻璃酸钠注射液、伸筋丹胶囊、消痛贴膏。

　　小华又问：消痛贴膏是哪个公司生产的？

　　???恒生机器人答：消痛贴膏是奇正藏药的产品。

　　小华平时热爱投资，转而继续问道：奇正藏药的行情如何？

　　机器人自动从行情接口调用数据，并将奇正藏药的行情数据展示出来。

　　小华给妈妈寄了几盒消痛贴膏后，也将奇正藏药加入了自选股，密切关注。

　　不仅如此，如果小华有需要，机器人还可以将某一个产品在市场上份额变化的情况，以及它的关联指标数据，与股票变化的情况相关性进行分析计算和展示。

　　知识图谱可以作为工具，将投资市场上原本散落知识有序串联起来，从投资人的角度更深入的来考察市场的变化。

　　有了坚实的金融知识图谱支撑，金融机器人客服可以发挥出更大的作用，服务好用户。

　　在恒生金融机器人背后，恒生在金融知识图谱研究与应用上的那些事儿，小编请到了恒生研究院专家李伟博士给大家解密。

　　李伟，机器智能及数据挖掘博士、哈佛访问学者，多年海外科研经历及大型企业项目经验。

　　曾组建大数据团队并负责智能手机数据挖掘项目；担任上市公司大数据中心总经理、首席科学家，领导集团媒体大数据规划及建设工作。

　　现从事金融智能数据方面研发工作，关注智能大数据在智能客服、智能投顾、风险控制、量化交易等領域的应用。

　　在数据上的积累

　　一方面，恒生旗下子公司恒生聚源，在金融数据库及金融终端产品研发领域辛勤耕耘近20年，积累了体系完备的大量金融领域数据，同时也培养了一批经验丰富的金融数据分析专家。

　　另一方面，恒生研究院数据智能团队，成员包括计算机、数学、物理等专业的博士、硕士、ACM大赛成员，专注于将大数据、人工智能技术应用到金融领域，服务金融客户，致力使用自然语言处理和理解、机器学习、知识工程等技术，构造金融知识图谱，全面为智能投顾、智能投研、机器人客服、量化交易等产品提供坚实技术支撑。

　　在技术上的沉淀

　　知识图谱的关键技术包括：知识抽取、知识表示、知识存储、知识推理、知识检索等。

「 知识抽取 」

　　知识抽取是面向开放的多源异构数据，自动化抽取出三个知识要素（实体、关系以及属性），并形成一系列高质量的知识表示，为后续分析处理奠定基础。

　　由于知识图谱数据来源经常包括开放文本等非结构化数据，自动抽取难度大，实际研发过程中，结合金融数据专家提供的相关规则、金融字典、指标数据等标定资料和结合机器算法的半自动标引方法，取得了快速、准确的结果。

　　知识抽取的方法对应于知识表示中的各个要素，分别为实体、关系、属性抽取。

「 知识表示」

　　三元组是知识图谱的一种基本表示方式，即G=(E,R,S)，代表知识库中的三元组集合。

　　基于三元组的知识表示形式在计算效率、数据稀疏性等方面面临着诸多问题。

　　近年来，通过深度学习的表示学习技术发展迅速，对知识进行分布式表示（Embedding）方法成为研究的热点。

　　分布式表示将实体的语义信息表示为稠密低维实值向量，从而在低维空间中高效计算实体、关系及其之间的复杂语义关联，对知识库的构建、推理、融合以及应用均具有重要的意义。

　　在金融投资这个垂直领域，结合CBOW、CNN、TransE等模型学习训练，从而使知识库相互融合。

「知识存储 」

　　当我们经过知识抽取得到了结构化的数据，并选择了适当的知识表示方法后，下一步就是如何持久化存储这些数据。

　　知识存储解决如何管理大量的结构化数据。

　　它的存储方式主要有两种形式：RDF存储格式和图数据库(Graph Database)。

　　图数据库近年来的发展速度远高于其他数据库技术。

「 知识推理 」

　　知识推理是在已有的知识库基础上进一步挖掘隐含的知识，从而丰富、扩展知识库。在推理的过程中，往往需要关联规则的支持。

　　由于实体、实体属性以及关系的多样性，人们很难穷举所有的推理规则，一些较为复杂的推理规则往往是手动总结的。

　　对于推理规则的挖掘，主要还是依赖于实体以及关系间的丰富同现情况。

　　知识推理的对象可以是实体、实体的属性、实体间的关系、本体库中概念的层次结构等。

　　知识推理方法主要可分为基于逻辑的推理与基于图的推理两种类别。

「知识检索 」

　　知识检索是一种全新 检索方式，是在现有 检索技术以及模型上发展而来的。

　　知识检索和信息检索的不同，就在于知识检索强调了语义，不会和信息检索一样，只是基于字面的机械匹配，它从文章的语义、概念出发，能够揭示文章的内在含义。

　　做到了语义和概念层次上的标引工作，知识检索就提高了查全率和查准率，降低了用户的负担。

　　知识检索是为了适应知识组织的发展趋势, 以解决信息检索机制检索效率低下的弊端而提出的一种新的检索理念。

　　金融知识图谱建设在智能金融领域是个重要、核心、长期、基础性工作。

　　只有有了高质量、高效率的金融图谱，智能投顾、智能投研、智能风控的场景才能坚实地落地开展起来。

　　人工智能的未来，恒生与大家一起努力！