十几年前，如果你想知道“美国的首都是哪座城市”，你大概需要：第一步：打开搜索引擎。第二步：输入“美国的首都”。第三步：在所有以“美国的首都”为关键字的网页里进行筛选。
与此同时，你还得拥有极佳的判断力。因为网络上的信息鱼龙混杂，有的说是纽约，有的说是洛杉矶。你还通过查阅资料，请教你的地理老师，费好一番功夫，才确定正确答案是“华盛顿”。
而在十年后的今天，当你的孩子在网页上输入“美国的首都”，搜索引擎会直接告诉他，是“华盛顿”。并同时以“华盛顿”为关键词，显示出一系列相关的信息.
你可以很明显地感受到，在这十年，互联网变得“更聪明”了。互联网智能化的进步，离不开的一个概念就是“知识图谱”。
什么是“知识图谱”？
知识图谱，是由Google公司在2012年提出来的一个新的概念，并将它定义为“语义网络（Semantic Network）的知识库”。
简单来说，这个世界上存在着不计其数，各种类型信息。而知识图谱，就是由若干个信息之间的关系所构建成的网络。
例如：小明、浙商银行、2021年、杭州东站这四个名词，是四个独立的信息。
如果用图来表示，就是这样：
这时，我们让小明作一下自我介绍：我叫小明，2021年大学毕业后就职于浙商银行总行。为了上班方便，我在杭州东站附近租了一间房，搭乘地铁20分钟就能到单位了。根据小明的这段话，我们进行归类、整理，就可以画出下面这个关系图：
就这样，一个简单的知识图谱就建立好了。然后，我们再结合其他已有的信息进行合理推理，还能将上面的关系图进行扩充，就像这样：
之后如果有人以“小明”为关键词进行搜索，他甚至可以得到“小华是小明的邻居”，“小丽是小明的同事”等信息，这就是知识图谱的力量。 知识图谱技术是人工智能的一个重要分支，是实现机器认知智能的核心驱动力之一，已广泛应用于金融、医疗、政务、智能制造、智能电网等各大领域。换句话说，知识图谱就是人工智能的“大脑”。“大脑”构建如果有BUG，那承载它的AI系统看起来也会憨憨的。
上图的这个智能机器人，看起来就不太聪明的样子。电商平台的“猜你喜欢”，就是知识图谱最常见的实用案例。
例如，你下单了一条裤子，知识图谱就能分析出来，你大概率会买——
同品牌的其他裤子
同品牌的其他衣服
其他品牌的同款裤子
同价位的其他裤子
……
这些信息全都被激活，于是“双11”期间的你，就变成了这样
在金融领域，知识图谱也为大数据风控作出了巨大贡献。
通过构建企业关联关系图谱，包括高管信息、股权信息、担保信息等关联数据，同时通过关系网内某个企业的风险披露，或是出现企业担保圈的情形，可以识别出关联企业的潜在风险，为集团关系查询与认定、客户画像、风险传导提供辅助决策。
2021年10月21日，“2021新一代信息技术标准化论坛”在深圳举办。
工信部、国家发展改革委、中央网信办、国家标准委等部委领导，两院院士、高校代表以及浙商银行、华为、腾讯等企业专家代表参会。
浙商银行作为唯一的金融机构，参与了《标准数字化知识图谱白皮书》的编撰，对知识图谱赋能金融行业数字化转型方面，提出了相应的场景化解决方案，通过强化复杂风险关联关系分析，降低信贷风险，提升业务效率。
中国电子技术标准化研究院副院长孙文龙（左二），原国务院参事、国家产业基础专家委员会副主任委员张纲（右二）等领导共同发布白皮书成果
《标准数字化知识图谱白皮书》由工信部电子标准院牵头，为国内首部标准知识图谱领域白皮书，主要围绕知识图谱产业标准体系建设、产业链协同、技术规范等展开，填补了知识图谱领域现有标准不足、标准体系与产业发展需求脱节的空白。
浙商银行是为数不多具备自主研发知识图谱能力的金融机构。通过整合包括工商、征信、司法、舆情等内外部关系数据，构建了10亿级实体、关系规模的企业关联关系图谱，为集团客户认定、股权穿透分析、担保圈分析和企业风险识别提供了强大的数据和技术支撑；在营销领域，针对行内零售业务特点，基于电商平台e家银电子商城，构建了涵盖商品品类、品牌、用户、场景等关联信息的商城知识图谱，通过图计算实现了商品的精确匹配和精准推荐，满足了用户个性化的购物需求，有效提升客户服务体验。
