知识图谱技术赋能信用保证保险高质量发展研究

2021-04-25唐金成韩晴

海南金融 2021年11期

唐金成韩晴

摘要：人工智能作为国家战略迎来了一轮快速发展，而知识图谱技术作为人工智能的热门产业，为认知智能提供了底层技术支持。本文基于知识图谱技术的内涵与特点，分析了信用保证保险的发展现状及经营困境，对知识图谱技术与信用保证保险进行了契合分析，指出了知识图谱技术赋能信用保证保险高质量发展的机遇与挑战。最后从政府和保险公司层面提出：高度重视知识图谱的行业应用，营造良好的科技创新生态环境;升级优化监管体制与模式，加快推进行业顶层设计;加强行业互动，推进多方主体融合参与技术应用进程;深化知识图谱技术与信保业务融合，推动技术应用落地;培养复合型专业人才，尽快搭建人才高地;加大专利申请和保护力度，提高保险企业核心竞争力等政策建议，以推动我国信用保证保险的高质量发展。

关键词：信用保证保险;知识图谱;新基建;人工智能

DOI：10.3969/j.issn.1003-9031.2021.11.007

中图分类号：F831.2 文献标识码：A 文章编号：1003-9031（2021）11-0062-14

一、人工智能与知识图谱的发展状况

（一）人工智能成为“新基建”的重点发展领域

随着经济增长模式的转变和全球数字化浪潮的不断推进，新型基础设施（以下简称“新基建”）为我国数字化、智能化、网络化建设注入了新动力，为新产业、新模式和新业态的发展赋予了新动能。因此，中央政府通過顶层设计不断加快“新基建”布局，其内涵和范围也得到不断丰富和发展。“十四五”规划以高质量发展为主题，明确提出要坚持创新驱动，塑造新的发展优势;加快数字化发展，营造良好数字生态等。它的出台加速了包括5G、人工智能、大数据等在内的“新基建”的进一步发展，短期内将促进经济的稳定，对冲疫情导致的经济下行压力;长期能够促进产业结构调整，赋能中国经济转型升级，实现高质量发展。

将“新基建”新技术与不同场景深度融合，再通过新主体的参与培育新业态，助推经济高质量发展。“新基建”将带动人工智能新一轮的快速发展，进一步推动智能产业化和产业智能化。而人工智能技术作为众多应用场景的技术支撑，具备计算智能、感知智能、认知智能三大核心能力。“新基建”具体包含信息基础设施、融合基础设施和创新基础设施，且前两个项目均明确提出人工智能的内涵与作用。根据艾瑞咨询推测分析，到2025年，人工智能产业规模预计超过4500亿元。预计到2022年，保险公司在人工智能领域的投资可达到94.8亿元。目前大型行业头部保险公司在人工智能领域的研发与投入一直处于领先地位，而中小保险公司较为落后，未来该技术将普及到全行业。近日，复旦大学保险团队在“普惠保险与健康中国2030”高峰论坛上发布《城市定制型商业医疗保险（惠民保）知识图谱》，知识图谱技术通过挖掘多维数据，全方位展现了惠民保发展现状，并对惠民保产品的未来发展路径进行预测推理。因此，人工智能技术作为保险公司变革的核心动力，在保险定价、核保、理赔等环节起着重要作用，降低了运营成本，提高了运营效率。目前人工智能技术在保险公司应用处于发展阶段，即保险业根据客户需求纵向挖掘人工智能技术的应用潜力。

（二）知识图谱技术呈快速发展状况

1.知识图谱技术的科学内涵

在大数据时代，互联网数据信息量呈现几何式增长，碎片化、零散化的信息源使得人们难以在互联网中寻求有价值、可利用的信息。知识图谱作为人工智能的重要分支技术，是一个基于图模型的语义网络知识库。通俗地讲，知识图谱是一种通过点和线的组合来表示“实体”之间“关系”地语义网络，是大数据时代知识表示的重要方式之一。绝大部分的知识图谱采用RDF（Resource Description Framework，资源描述框架）来表示事物之间的语义关系，表现的框架结构为“实体×关系×另一实体”（实体指现实中的事物，如人、公司、住址等）或“实体×属性×属性值”，知识图谱结构的结点代表实体或概念，边代表实体或概念之间的各种语义关系。知识图谱技术中含有实体、概念、属性和关系等信息，辅助于NLP技术（专业分析人类语言的人工智能）、图计算等手段，促进人工智能由感知智能向认知智能转变。通过对海量的结构化与非结构化数据进行抽取融合，形成有逻辑的重要信息数据;再通过提炼信息间的联系，形成网状知识;最后通过映射实体、概念、各种语义关系，使机器能够理解、推理、决策出实体或概念间更深层次的关系。知识图谱具备三大应用优势：一是可以将知识通过图形化方式进行存储，并展现出关联关系;二是可以实现对知识的高效检索查询;三是能够通过知识实现自动化、智能化推理。因此，该技术被广泛应用于银行、保险、证券、法院、物流、财税等领域。

2.知识图谱技术的发展变迁

知识图谱技术的历史可以追溯到早期的语言网络（知识图谱的原型）、描述逻辑（促进计算机自动推理）和专家系统（人工智能技术的前身，该系统基于从专家获得知识来实现对某些知识领域的推理表达）。2006年提出语义网络的概念，强调使用文体模型来形式化表达数据中的隐含语义，RDF（resource description framework）模式（RDF schema）和万维网本体语言（Web ontology language，OWL）的形式化模型就是基于上述目的产生的，进一步促进知识图谱技术的出现。知识图谱作为人工智能的底层技术支撑，2012年谷歌公司为了提升搜索引擎的效能和用户体验感，打造了“knowledge Graph”项目，而知识图谱技术则运用于其中。国内外互联网搜索引擎巨头也纷纷跟随应用该知识图谱技术，如微软、搜狗等。该技术在发展过程中，存在着许多发展瓶颈，如数据获取难、严重匮乏。就知识图谱技术的发展现状而言，其在语义搜索、智能问答、数据挖掘等多方面有着广泛且深入应用，为数据的有效利用提供坚实的基础保障。

3.知识图谱的搭建

知识图谱的搭建，采取知识表示、知识抽取、知识融合、知识加工推理与知识图谱应用四个环节。一般采取自顶向下和自底向上两种搭建模式。自顶向下是先建立知识图谱的本体与数据模式，再将实体与关系、实体与属性放入知识库中，通常应用于具有足够充分的实体属性与数据模式的特定垂直行业;自底向上是指从各领域公开与共享的数据集中抽取置信度较高的实体、关系、属性进行融合，再搭建顶层的数据模式，这种构建模式融合了更多实体，因此得到了广泛应用，大多数知识图谱就是自底向上的模式。

保险业的数据化特征和业务规则清晰，就成为知识图谱技术的最佳应用场景。将知识图谱技术应用于信用保证保险中，既要考虑到知识的广度、深度和精度，也要充分完备的数据模式，因此采取自顶而下和自底而上相结合的模式，实现信保业务的风险管理智能化，促进风险的智能识别、预警和处理，从而赋能信用保证保险高质量发展（见图1）。

二、知识图谱技术与信用保证保险的契合分析

（一）中国信用保证保险发展历程及现状

1.信用保证保险的发展历程

以信用风险作为保险标的的信用保证保险发展时间短而曲折。我国信用保证保险的开端，源于20世纪80年代原中国人民保险公司开展的首笔长期信用保险业务。而此险种真正被大家认知，是1999年中国人保公司开办的机动车辆消费贷款保证保险。随后，各家保险公司相继推出了类似于此的企业消费贷款、房屋抵押贷款保证保险等险种。随着互联网经济的不断发展，P2P市场日益火爆，融资性保证保险大规模发展起来，但我国的信用保证保险与发达国家相比发展较为落后。在新冠疫情、经济形势下行压力和国际环境复杂多变等多重外部因素的叠加影响下，加上保险公司自身对信保业务的风险控制不力，该行业面临着长尾风险。尤其是融资性信保业务，其赔付率已经超过100%。诚然，国家对信用保证保险的政策支持力度不断加强（见图2），规范引导其经营行为，从源头化解不可控风险，促使该业务良性可持续健康发展。面对车险保费规模的日益收缩和车险市场的竞争加剧，许多财产保险公司开始布局非车险业务。信用保证保险与一般财产保险相比，具有费率高、期限短的特点，这吸引着保险公司开展此险种。如图3统计数据显示，信用保证保险保费规模由2015年的230亿元增长至2019年的897亿元，其中2017和2018两年该业务以106%、70.1%的增速爆炸式增长，可知信保业务已成为大多数财产保险公司非车险业务的重点发展领域。随着互联网消费金融的爆发式发展，信用保证保险得到突飞猛进的发展，为财险企业贡献了可观收入。这也导致有关保险公司逐利盲目扩张信用保证保险，忽视了自身风险管控能力不足等问题。尤其是对中小型财险公司而言，风险合规意识淡薄，对信保业务的经营模式与定位模糊不清，只追求业务而忽视风险，最终导致该业务频频“踩雷”，出现赔付率攀升、由盈转亏、资金流动性不足等问题。因此，目前各家保险公司对该业务的经营持谨慎态度。

2.信用保证保险的发展困境亟待突破

在经济下行背景下，信用保证保险市场需求增大。信用保险和保证保险对于中小微企业而言有着不同的功效，信用保险能为双方当事人在交易活动中的失信行为提供风险保障;保证保险能够为其提供信用担保，解决融资难、融资贵等问题。相对而言，融资性信保业务具有更大市场机会和发展空间，有效满足市场中对于资金和资产对接的迫切需求。但近年来，社会信用风险整体呈上升趋势，再加上受到新冠疫情冲击、网贷政策紧缩等风险因素的影响，信保业务近年来重大案件频发、踩雷事件不断，威胁着信保业务整体的经营发展。主要表现在以下五方面。

一是公司组织架构不健全，信用保证保险专业人才队伍发展畸形，储备不足。由于信保业务起步较晚，缺少综合性专业人才。绝大多数具有信保业务的保险公司并无针对信保业务设立专业的风险管控部门，而是穿插于各个部门中。存在同一岗位员工身兼数职，进而形成业务与风险控制之间的内部利益冲突，并没有在经营流程中实行前、中、后台的风险隔离。但信保业务区别与一般财险业务的是，其承保对象是信用风险;信用风险还要综合考虑行业风险和经济周期等因素，非常考验承保机构對于风险的识别与预警。

二是承保前的风险审核不到位，风险合规意识淡薄。在信用保证保险的起步阶段，其经营的财险公司并未综合衡量自身风险承受和管理能力，一味追求短期利益和保费收入，风险合规意识淡薄。而信用保证保险的投保对象多为中小企业，经营状况和还款能力受经济波动影响较大。因此，需要保险公司对企业的经营状况、还款能力、贷款风险等全面审核。但保险公司人工审核对提交资料真实性进行信用评估的效率与准确率极低，存在对抵质押物和关键材料验真手段单一、仅对核保材料进行表面审核等问题，无法发现深层次的潜在风险。

三是保后风险监管缺失，风险预警机制不健全。经营信保业务的保险公司缺少对风险的持续动态监控和定期对风险进行评估与预警。承保对象的信用风险衡量具有复杂性，保险公司承保后，应对信保业务履约义务人的后续资产交易状况、征信记录等内容进行全程跟踪和存档。同时，还存在只针对单一个体或企业进行风险防控，而忽视个体与个体之间、企业与企业之间、个体或企业在时间轴上的行为演变等信息，无法对承保后信用逐渐恶化的客户进行动态分析、及时预警止损。并且通过分析发现，保险公司对保后风险的监管缺乏，最重要的是重视程度不够，忽视风险监管而片面追求保单数量。

四是保险公司管理制度缺失，内控机制不完善。目前保险公司在管理制度和内控机制方面存在明显短板，在业务风险频繁发生时无法及时采取保全手段，进一步推动了赔付率的增长，阻碍了信用保证保险高质量发展。在承保时，由于内控机制不完善，存在工作人员未按照正规操作流程和规章制度执行。

五是征信数据不全且质量低，定价能力与精准度难以支持业务发展。征信作为信用保证保险健康发展的重要支撑，是保险公司保前风险审核的关键因素，但目前我国征信体系并不健全。而信用保证保险经营公司很少与央行征信系统进行对接，大部分按照《信用保险和保证保险业务监管办法》要求与第三方征信机构进行数据对接，但财险公司与第三方机构的对接并不充分。另外，由于存在“数据孤岛”使得第三方征信机构收集的数据不全面，存在灰色地带，导致保险公司难以完全掌握法人或自然人的信用状况。我国目前开展信保业务的公司共有64家，而受高赔付率影响，不少财险公司开始减少信保业务的开展。那么，经营信保业务的保险公司便会缺乏行业数据和历史数据的支撑，而这进一步影响了保险定价能力。

（二）知识图谱技术能够赋能信用保证保险高质量发展

1.实现信保业务数据价值的重构和应用模式的创新

数据是保险业实现高质量发展的关键资源因素。孤立且多样化的数据本身并不具备价值，只有统一和关联数据，才能挖掘出有效信息数据价值。由于我国信用保证保险缺少用于信用风险预测的行业数据，使得保险公司难以把控承保风险。而知识图谱技术可以将来自人民银行、工商、税务、市政等不同数据源的征信数据进行融合，将信保业务领域的结构化、半结构化、非结构化的数据进行处理、关联分析和理解后通过知识图谱展现出来，促进数据的正常流动，实现数据的价值。通过助力数据分析，更加精准、快速、卓效实现信保业务的数据价值重构。

2.信息多维化可视化展示，有效识别预测被保险人风险

知识图谱应用于金融领域，有助于实现关联关系数字化、用户行为网络化。即把传统只可意会不可言传的“关联关系”数字化，把金融场景的各类用户行为以网络化视角展开分析，从而为业务场景重要决策提供全面而深刻的业务洞察。信保业务在承保前的风险识别需要大量的人力物力，不仅具有耗时长、成本高等弊端，还不能充分识别个人或企业的风险所在。基于知识图谱的图结构和丰富的语义关系进行关联分析，可将企业级客户的股权关系、业务关系、资金关系、人员关系等进行挖掘（见图6），从而更好预测该行业或企业所面临的风险，尽早发现并规避系统性风险。同时，知识图谱技术还可实现信息的多维化可视化展示。如若输入个人的身份信息，那么此人的消费信息、信用记录、工作等都会直观展现出来。因此，运用知识图谱技术可以融合更广泛多元的信息，线上线下联动多维度地综合全面评估个人或相关企业的信用风险（见图7）。

3.知识图谱技术赋能保险产品的差异化定价

我国经营信用保证保险的公司目前并没有成熟的定价模型，大部分公司只能通过简单提高保费来覆盖风险的手段进行定价。而知识图谱技术可以将碎片化信息进行整合，建立起海量数据之间的关联关系，再通过以图形化方式建立各行业或企业的巨大关系网络，构建多维度立体式智能化风控体系，更好的辅助信保业务从业者快速直观地发现履约义务人的资信状况。运用知识推理，融合行业内外部的发展环境，判断义务人是否会存在因为无力还款而违约的现象存在;根据客户不同的信用水平实现对履约义务人精准费率安排，这样充分发挥信用保证保险的差异化风险定价和增信功能。差异化定价有利于辅助信用奖惩作用的实现，将增强个人和企业的信用意识，实现社会信用体系的完善。

4.防范道德风险，重塑业务智能风控过程

信用保证保险的信用评估、风险控制和反欺诈是实现其高质量发展的关键环节。随着经济社会的发展进步，欺诈手段越来越隐蔽、取证越来越困难，通过组织团伙或内外勾结的方式，利用移动互联网、云计算、人工智能等新技术实行保险欺诈的方式盛行。因此，传统反欺诈手段难以全面动态地洞察欺诈风险，并且投保人、被保险人、保险人、互联网信贷平台等主体之间存在严重信息不对称问题，那么受利益驱动就会造成合作机构、投保人、被保险人、投保人与被保险人共同欺诈来骗取保险金，如提供虚假的材料、虚假的抵押财产、故意制造保险事故等等。而知识图谱技术与机器学习的结合有助于实现反欺诈，将与客户有关的行为数据打通，并整合到反欺诈知识图谱里。通过不一致检验，利用知识图谱技术识别潜在欺诈风险，如权利人明知义务人因财务出现问题而不能偿还时，依然要求义务人通过借入新债（新债中包含保证保险）来弥补旧债，这必然导致保险公司的赔偿。知识图谱技术打通了相关数据，能实时动态地描绘出囊括借款人、借款用途、借款细节等综合画像，并根据机器学习算法概率计算量化义务人风险情况，识别出欺诈风险所在。

5.降低业务运营成本，优化保险经营方式

阻碍信用保证保险发展的因素主要有中小企业和个人信用风险难以识别、发生保险事故的频率难以估测、单笔赔偿金额的数值高等。在某个贷款保证保险项目中，保险公司经过两个月的调查和审核才判断出存在欺诈风险，这大大增加了保险公司的经营成本。若出现重大理赔案件，保险公司需派遣理赔部门进入一线深入调查，耗费大量的人力和物力方可决定是否进行赔付。而对“先赔后追”的融资性保证保险业务来说，其追償难度很大，保险事故的发生无疑增加了保险公司的追偿成本。因此，保险公司的信用保证保险业务大多亏损经营，导致越来越多的保险公司不愿意拓展信用保证保险市场。通过引入知识图谱技术，融入具体个人或中小企业的碎片化信息，并辅助于机器学习和数据挖掘技术及时进行风险智能识别、风险自动预警与风险智能处理，能够有效解决保险核保承保、查勘定损、理赔过程中信息获取难、准确率低且耗时长的问题，提高保险公司内控内审效率。

6.紧跟新一轮技术发展浪潮，为信保业务注入新动力

知识图谱技术既可以优化信保业务经营环节，还可以促进经营公司内部知识管理的升级优化，进而赋予信保业态新动能，促进其数字化转型。随着互联网2.0时代的到来，信息化的基础设施日益完善，信息系统在大中小保险公司内实现了覆盖应用。保险企业在信息化的变革中提高了自身运行效率，为其进入知识管理阶段奠定了良好基础。但保险业内部知识来源广泛、知识增长量大，使得识别、审核和管理难度增大，严重制约了保险业有效实施知识发现和知识管理。知识图谱可以从大量非结构数据中抽取出结构化数据，并建立起关联关系。同时，该技术在信息表达上更加接近于人类的认知方式，具备分析处理信息和推理判断能力。因此，信保业务经营公司通过构建基于知识图谱的内部管理平台，将帮助其发现信保业务经营规律，建立起完整智能的信保业务商业闭环，实现降本增效，赋能保险经营公司的数字化重塑。

三、知识图谱技术赋能信保业务的机遇和挑战

（一）知识图谱技术应用的机遇

1.人工智能的发展为知识图谱技术应用奠定了基础

人工智能新基建通过结合具体应用场景，推动各行业智能化转型。根据前瞻产业院分析估算，未来AI+金融的赋能价值将持续提高。目前人工智能正在向认知智能转变，知识图谱技术作为实现认知智能的底层技术支持，在科技部《科技创新2030—“新一代人工智能”重大项目2020年度项目申报指南的通知》中的22个研究任务中，与知识图谱有关的任务占45%。知识图谱技术将知识库中的知识以一种更加直观、可视化的图谱形式表现出来，使得知识具有推理能力，进而促进机器实现理解和推理的认知能力的提高，因此未来一段时间内将成为人工智能的发展焦点。就知识图谱技术本身来说，目前受到各行各业的广泛关注，并将知识图谱与机器学习相结合应用于各大场景，发展前景广阔。

2.保险业的数据特征与知识图谱技术高度契合

数字经济时代的感知层面进入信息数据爆炸期，认知层面的有关理解、推理等能力逐渐被撬动，为知识图谱技术的发展带来机遇。保险业大数据具有四种特征：一是保险业数据规模大，2020年新增保单件数达526亿件，可见保单本身就产生大量交易数据。当然保险公司为了更好核保、承保和理赔将会依靠外部大数据，这进一步扩大了数据规模;二是多样性，保险业数据主要是以结构化、半结构化和非结构化三种形式存在;三是高速性，保险数据产生具有高速性和时效性，若不能实时处理便会降低其价值;四是价值性，保险公司具有大量客户信息，数据价值较高。但对于数据的有效利用存在不足，需要耗费很大精力和成本才能有效治理数据。而知识图谱技术根据保险公司问题目标与经验，在传统大数据治理框架基础上，通过“数据”图谱实现数据的动态提取扩展和深度治理挖掘，在打通数据、促进数据标准化、降低数据治理工作量方面效用很大（见图8）。

3.信保业务知识具有一定稳定性，方便知识抽取

将各种类型的数据源抽取出其实体和关系是知识抽取至关重要的过程，也是知识图谱构建过程的第一步。知识抽取按任务可以分为概念抽取、实体识别、关系抽取、事件抽取和规则抽取等。信用保证保险的产品条款一经确定，所涉及的行业知识内容不会随着时间频繁变动，且对于条款描述的用语具备规范性和专业性，一定程度上方便了从信保业务相关的文本数据中进行知识抽取。通过深入挖掘融合各类客户在生产经营、金融交易、消费服务等相关知识内容，并推理关系中的趋势、异性和共性，将知识转化为决策依据，破除信保保险产品的封闭式研发，实现针对房产、汽车、消费、机构融资等不同场景的信保产品创新，进而为不同场景下的投融资提供信用风险定价与风险保障服务。

4.信保业务风险集中爆发，保险公司高度重视

目前中美全面博弈持续发酵，外部形势错综复杂。新冠肺炎疫情自2020年初爆发以来，严重冲击了世界经济，全球金融风险显著增加，因新冠疫情导致的经济损失巨大。国内经济也受疫情影响下行压力加大，一部分居民个人、行业和企业的财务状况每况愈下、偿债能力不断减弱。经营信保业务的保险公司片面追求业务规模和利益而忽视自身的风险管控能力;合作的群体也具备一定的高危性，从P2P到保理、融资租赁、信托等金融或类金融主体，最终导致了信保业务的风险集中爆发。大保险公司可以通过总体盈利额去抹平信保业务的亏损，但中小保险公司可能会因此陷入经营困境。因此，保险公司高度重视信保业务的风险控制，控制业务结构，促进资本在知识图谱等人工智能技术应用研究的聚集，进一步推动知识图谱等人工智能技术成为信保业务转型升级、高质量发展的强有力支撑。平安科技公司目前期望将知识图谱建设融入企业发展蓝图，用创新AI技术为企业注入新活力，邀请了国内知识图谱领域的专家推动知识图谱技术在保险领域的落地应用。但知识图谱在信用保证保险业的研究应用仍处于初步阶段，亟待对保险知识图谱构架深入研究。

（二）运用知识图谱技术的潜在挑战

1.知识图谱技术本身存在瓶颈，落地应用难

知识图谱的发展历程较为短暂，在知识图谱构建的各个关键环节都面临着技术挑战。各行业的知识图谱都是独立存在的，不能完全实现图谱共享，没有统一的行业标准。在信息抽取方面，对于开放域的信息抽取还在初级发展阶段，尤其是在开放领域的纯文本信息抽取方面。在知识融合环节，对于怎样实现精准的实体链接，包括在开放域条件下的实体消除、共指消解等问题存在挑战。在知识加工领域，主要问题在于本体自动构建、知识推理技术、知识质量评估手段以及推理技术的应用，在知识更新环节，严重依赖人工方式。在数据运用方面，存在数据利用率、准确率低和学习能力欠缺问题，严重影响了知识图谱分析结果的可靠性。若关联关系数据不完整，那么知识图谱将会是孤立的“子图孤岛”，并不能实现关联关系数据的价值。由于知识图谱技术最初是用于静态的知识表达，并不能对动态变化的知识进行描述，而信保业务在经营过程的风险是时刻变动的，因此知识图谱并不具备表达动态风险的能力。

2.专业复合型人才匮乏制约其应用

信用保证保险风险具有复杂特殊性及长尾性，赔付率高。因此，财险公司开展此类业务的并不是很多，从我国财险总体保费收入占比来看，信用保证保险的保费收入仅占比约5%。而且信保行业内的专业人才本身就匮乏，同时具备保险科技、互联网、风险管理知识的复合型专业人才更是奇缺。此外，信用保证保险还具有专业性和技术性的特点，多领域的专业技术人才跨界合作才能保障知识图谱技术的落地应用。

3.知识图谱技术的投资开发应用成本高

知识图谱作为行业智能的关键技术之一，使得计算机能够直接进行文本分析和处理，进而开展推理，不再需要人工专家的干预。迄今为止，知识图谱实际应用在发达国家已经逐步扩展并取得了较好效果，但在我国仍属研究的起步阶段。因此，对于保险公司而言，从专业知识图谱研发部门的建立，到专有知识图谱人才的招募，都需要其投入大量资金。构建行业知识图谱，首先需要软件工程师从海量数据中筛选数据;其次通过自然语言处理工程师建立语义理解模型;最后需要大数据工程师对海量数据进行管理。因此，建设知识图谱的过程需要一个高水平技术团队，包括自然语言处理工程师、大数据工程师和行业专家在内的协作努力。此外，相关保险公司在落地应用此技术的过程中，还要承担可能失败的沉没及机会成本。并且，该项技术的研发周期较长，技术本身存在更新迭代问题，进一步提高了开发应用成本。

四、知识图谱技术赋能信保高质量发展的政策建议

（一）对政府监管部门的政策建议

1.高度重视知识图谱的行业应用，营造良好的科技创新生态环境

数据驱动逐渐成为保险业的发展共识，大数据时代的到来为知识图谱的应用提供了大量数据资源。基于知识图谱的数据平台可以对数据进行高效关联分析，是未来保险业的发展方向。保险公司将大数据、区块链、机器学习等技术与知识图谱融合应用，区块链保证了知识图谱数据的安全性，增强了知识图谱的可查询与应用性;机器学习能够增强知识图谱在智能风控和信用评估的可靠性。知识图谱是未来保险业发展的动力之一，能够将数据信息中的隐含关系进行挖掘，促进保险公司未来的升级转型。因此，政府应高度重视知识图谱技术在保险公司的应用，加大资金、政策等资源鼓励支持大型信用保证保险经营公司先行摸索落地应用，待技术发展成熟、成本降低后，继而在信保行业全面放开推行。保险是与政策关系密切的行业，政策的调整直接关系到行业发展的走向，相关部门可以出台政策进行引导，对经营公司给予一定的税收优惠支持，支持保险公司自己研发和掌握核心技术。深入贯彻落实习近平新时代中国特色社会主义科技创新思想，坚持“放管服”综合改革，营造良好的科技创新生态环境，使得保险公司真正成为研发主体，实现信保业务知识图谱技术发展的良性循環。

2.升級优化监管体制与模式，加快保险业顶层设计

贯彻“底线监管”原则，将法律底线之上的空间留给技术创新主体。对于知识图谱等技术可采取边创新部署、边试点应用、边完善监管的策略逐步推进，这样将更好地推进知识图谱在信用保证保险中加速落地。关于知识图谱在保险业应用的法律法规属于空白，要加快立法的进程，完善法律法规。也可以借鉴国外经验，吸引我国在知识图谱方面有很高造诣的专业技术人员，共同制定明晰的行业标准。完善相关法律和条款，适应新形势的变化。市场监管要根据市场变化和技术的变化与时俱进，在新技术到来时监管部门要制定完善的监督体系，防止发生系统性金融风险。目前，由中国电子技术标准化研究院牵头制定的《面向标准的知识图谱技术要求》，通过顶层设计，制定了知识图谱技术架构及建设流程，提出了标准知识图谱的应用场景。通过对该标准的研究与实施，将加深信用保证保险经营公司对该技术的理解，推动知识图谱技术的创新发展。

3.加强行业互动，推进多方主体融合参与技术应用进程

一个技术的发展与完善的产业体系密切相关。技术的发展就是要能实现商业化，商业化的需求反过来促进技术的进一步发展优化。知识图谱的商业化落地应用需多个行业融合，从产业链来看，上游是以通过做数据采集而拥有各种数据源的企业和机构为主;中游企业是知识图谱产业链的核心重点，发挥着决定性作用，其包括大数据分析公司、互联网企业和人工智能公司，为全流程提供知识图谱技术方案的咨询与技术能力的输出;下游深度聚焦知识图谱在垂直行业的应用场景，主要包括金融、医疗、客服、营销等领域。知识图谱具体运用到信保业务中，有助于风控反欺诈、风险预测等。因此，政府应加强引导，出台相关政策，不断加强各个行业互动融合发展。为进一步加快知识图谱的应用，推进信用保证保险全面智能化、科技化发展，协调整合相关政府部门、保险企业、融合相关产业等主体参与技术应用过程。为了我国信用保证保险的良性发展，也要打破行业之间的壁垒，需要政府部门的大力支持、相关行业的齐心协力，使互联网行业与保险公司有机结合起来，实现技术对数据的高度融合。

（二）对保险公司层面的政策建议

1.深化知识图谱技术与信保业务融合，推动技术应用落地

一是在知识图谱应用过程中，必须串联信保业务中产生的大量多源异构数据形成数据中台，从而挖掘出数据深层次价值，实现内控管理机制完善、风险预警、智能追偿等。在构建针对信保业务知识图谱数据库时，需要包括企业、个人、交易以及行为数据在内，需要保险公司在设立独立研发部门的基础上，将所有利益相关方的数据进行整合。二是保险公司需要密切关注知识图谱技术研究与创新的最新动向，尤其是在信保业务领域的创新实践，努力深化从理论到实践的创新。三是大型保险集团可以发挥其资源优势和协同效应，推进知识图谱技术落地实施。如中国人寿、泰康人寿、太平洋保险依靠明略科技在金融行业数据平台及知识图谱构建方面的成熟经验，进行技术上的探索应用。而对没有资源优势又缺少新兴科技创新能力的中小财险公司来说，可以采取抱团合作方式来深化知识图谱技术与信保业务相融合，推动技术的应用落地。每一次新技术的革新，都会带来行业内部的调整。龙头保险公司应加强技术研发和投入，发挥领头羊作用，中小型保险公司可以着重进行某一特定领域的研发，实现自己的特色化发展，赢得弯道超车的机会。

2.培育复合型专业人才，加快搭建人才高地

党的十八大以来，党中央以人才强国为目标，实施人才优先发展战略。在后疫情时代人才竞争更加激烈，保险企业引才面临巨大挑战。我国保险市场目前的专业人才储备不足，对人才培养也不够重视。保险公司应加强与高校和科研机构合作，根据自身的需求培养在知识图谱方面的人才，构建具有竞争力的引才制度体系。当然，在引进知识图谱技术专业人才时，应注重公司内部自主培养复合型、应用型人才，在掌握信保业务经营规则的同时，提升科学技术技能，打造具备科学技术、企业财务管理、风险管理、贷款风险等多方面的保险复合型人才。同时，制定定向人才培养机制，促进人才高地的尽快搭建。人才是创新的主体，应该进行更多的资金扶持，参加行业的就业补贴以及根据工作年限进行相应补贴，并对人才给于更多人文关怀，让人才愿意来保险公司长期服务，为保险公司繁荣壮大添砖加瓦。

3.加大专利申请和保护力度，提高保险公司核心竞争力

对大部分保险公司来说，知识图谱在信保业务领域的运用属于特色新业态，部分公司试图往这个方向发展，但很多公司目前都处于调研阶段。应密切关注国际知识图谱技术创新与发展的前沿动向，主动参与知识图谱技术在信保业务运用的技术研发，不断增加资源投入。在技术落地应用的初始阶段，可以和已经深耕大数据及人工智能产业的金融科技独角兽合作发展。保险公司在投入大量资本研发的同时也能享有未来技术成果红利。因此，保险公司应注重新技术的专利申请和保护工作。总之，人工智能作为科技高地之一，保险公司应致力于知识图谱技术在行业内的应用，不断提高其核心竞争力，并为国家科技发展做出应有贡献。

（责任编辑：夏凡）

参考文献：

[1]唐金成，刘鲁.保险科技时代“AI+保险”模式应用研究[J]，西南金融，2019（5）：63-71.

[2]唐金成，杜先培.论区块链技术在保险公司的应用[J].西南金融，2018（9）：58-64.

[3]唐金成，杜先培.区块链技术驱动养殖业保险发展研究[J].金融理论与实践，2019（5）：26-31.

[4]许闲.保险公司知识图谱构建之初探[J].上海保险，2019（11）：16-18.

[5]许闲，张航.保险公司的知识图谱构建及应用[J].中国保险，2019（3）：24-29.

[6]章小兵.保险业如何利用知识图谱[N].中国银行保险报，2019-11-08.

[7]蒋昭昆.信用保证保险：行业的“增长点”还是“引爆点”[J].保险理论与实践，2020（7）：96-103.

[8]王绪瑾，王翀.信用保证保险为民企保驾护航[J].中国金融，2019（3）：33-34.

[9]马忠贵，等.知识图谱的最新进展、关键技术和挑战[J].工程科学学报，2020，42（10）：1254-1266.

[10]李涛，王次臣，李华康.知识图谱的发展与构建[J].南京理工大学学报，2017，41（1）：22-34.