知识图谱技术为破解人工智能难解释性的困境提供了重要基础，近年来备受学术和产业界的高度关注。知识图谱的发展离不开算法和模型的创新，更离不开科技企业以更多的应用场景来持续提供“练兵场”。
零售银行是知识图谱绝佳的应用之地，近年来随着商业银行纷纷开启“第二增长曲线”，零售银行业务受到了前所未有的关注度。零售银行的发展进入了存量竞争的全新阶段，商业银行希望通过 服务和价值创造来构建一个更长期和紧密的客户关系。
零售业务的一大特点就是客群数量庞大，国有大行零售客群都是以亿为单位。客群是由个体组成，当客户关系网络中部分关联人出现信用风险时，风险可能会沿着关联关系链传递、叠加、蔓延，进而传染相关关联主体，导致群体性的信用风险发生。
目前，零售金融所面临的欺诈风险主要来自于申请和交易环节，传统的风险管理模式，很难去揭示社群特征和客户之间的关联关系，难以识别团伙欺诈，也难以辨析样本稀疏、隐蔽性高、欺诈行为动态变化等特征，知识图谱为解决这一问题提供了全新的视角。
以某国有大行为例，该行在不断深化布局科技领域的“自主研发+外部合作”模式。百融云创作为该行重要合作伙伴，基于总行知识图谱平台、机器学习平台，协助构建复杂关系网络，实现以客户为中心的风险全景视图，增强数字化风险管理能力。
在此项目中，百融云创通过打造客户的复杂网络，发现传导路径，并引入机器学习，结合图分析技术，构建源发风险模型、传染权重模型、传染风险模型、多边概率整合模型、风险融合模型5大人工智能模型，量化客户内外部所有风险，可为信贷业务在贷前准入环节、贷中、贷后持续助力风险预警精细度和精准度，提升客户信贷风险管理水平。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
