昨天有小夥伴跟我講怎麼在金融領域中應用這個自然語言技術
那我今天就簡單的說一下自己的想法
首先，我認為一個企業的畫像是動态的。
企業的核心是資本和人才
畫像是動态的就代表着，我們要針對開放資料監控企業的動态
例如我們經常可以看到的淘寶中的商品。
或者是招投标網站中的企業供需資訊關系
快速消費品我們就可以看銷量，以及銷量預估判斷企業的目前狀态。
另外就是企業的正常營運是需要資本的
資本的來源一部分是預支未來的産業産能，對現在的産業産能進行有效的變換。
上升一個等級就是 第一産業 制造業 第二産業 以及第三産業服務産業的動态問題。再到中央銀行對整個産業的現金流限制。
而從小說就是新産品的市場化冷部署。
傳統新産品方案的就是ee
而下一個方面我們就圍繞着人展開。
怎麼樣去表示一個企業中的人
首先存在着固定标簽，例如大學 學校 大學專業 等等。
也存在一些動态标簽
常見的動态就是人事系統的動态
社會關系的動态
這裡面社會關系的動态是經常會在CRM中利用到的。
是一個信任體系。
例如雷軍的朋友，或者是雷軍投資的企業都是好的企業。這是因為雷軍朋友這一個關系進而推斷出來的。
是不是很熟悉這個場景
是一個圖遊走的過程
落地到CRM系統中就是潛在客戶挖掘
社群發現就是一個聚類過程
那麼潛在客戶可能和已經成交的客戶存在共同的需求
進而這個可以降低我們無效銷售成本的一個重要手段
我們常見的福布斯排行榜也在不同的基金公司裡面有小版本的
也是對一個集團一個個人的價值的評估。
另外就是結合産品的周期性挖掘曆史使用者的需求。是否存在繼續供需的服務。
例如市場中的連環貸的商品我如何可信的評價一個使用者的可持續的信用體系。
我是如何可推理的判斷一個使用者的信貸上限的
就是一個關系網表示一個使用者的最高債務承受能力
那麼我之前和國内的比較大的一些餐飲集團聊過
裡面有一個需求就是餐飲的進銷存，以及下一個季度的新菜預估
這裡面和金融領域有一部分還是比較相似的
另外一個方面就是融合投資領域來看，雖然神經網絡解決的主要的問題就是缺失資訊下的資料規律發現。
但是學習的目的是為了你在做下一個決策的時候你能發現更多的做出目前決策的依據。
而所有的依據都應該是動态的
圖神經網咯表示的特點就是可以動态的表示所有的資訊。進而更好地支撐我們對未來的決策。
是以為什麼推薦系統要達到分鐘級或者是小時級别的更新就是因為所有的辨別都應該是動态的
例如我們線上的NLP服務底層的預訓練模型就是自動學習的一個動态預訓練語言模型。
動态語言表示訓練
有點形而上學了
但是本質我覺得是這些領域的金融對于AI的應用。
對更多的資訊進行向量化，并且找到和目前事件有關的向量，再根據這些向量做出決策。