本人在国内一家股份制行从事信贷风险管理研究和实践，当时的一些思考和经验已经写入（https://mp.weixin.qq.com/s/EEck7VgVjVMj083Z0zdfCA)这篇文章。欢迎交流。       结合您的具体问题，我简单谈下个人看法。在银行的智能风控方面，大语言模型（LLMs）的应用...

1、模型与规则的组合是通过将模型评分作为规则的一部分 来实现的。如原来的规则是“条件A>10“，和模型评分组合后，则变成“条件A>10 且 评分 > 某个阈值”。当然，每一个规则中的模型评分阈值需要不断的调试并最终确定。2、第二个问题不大理解，是对比如“最近五...

这个 是世纪难题了。模型的可解释性的认可度，需要在模型训练及验证过程完成，并且通过投产后的AB Test取得最终共识。只要确定了模型达标，那么在往后的日常中就不需要再为模型解释性折腾了。而且，模型是否可解释也取决于算法选择，这个也是归结于前期与业务的沟通。反正无论如...

知识图谱作为下游系统其实没有好的办法处理脏数据，基本上有两种策略：第一：确定一个优先级，某个属性以哪个系统为准，当两个系统不一致时，不管对错永远以某个系统为准。第二：前一种方法不适用的，就将这些数据打入“冷宫”，放到一张表里，定期拿出来，找原系统进行数据修正，这是一个比较漫...

性能的需求应该是与业务场景强相关的，如果是面向外部客户那就要考虑扩容节点提升整体性能，明细数据可以从hbase迁移到es中，加快查询速度，限制部分查询内容或者只能查看经过分析的子图。对于行内系统，从数据安全角度来看，只有少部分人能看到所有数据，绝大多数人只能看到部分数据，...

从自身项目实施来看，有三个地方：1.建模时多系统数据的融合，比如客户的信息存在多个系统中，核心、信贷、理财等，因为系统建设时间不一、多次升级等问题，导致数据不一致，数据质量较差，这样就需要花费很大精力去处理数据质量问题，还可能导致程序返工。2.模型开发过中，选择那些业务场景...

这个取决于如何取得业务的信任，即使在数据没有问题的情况下，取得业务信任也是关键。在数据有缺陷的情况下，还是需要通过一定的验证机制来对风控引擎的实际成效进行评定，可以采用AB Test的方法，而且，一定要拉上业务 一起深度参与。...

我理解主要是通过api接口，在接入的同时系统自动调出客户当前的资产负债状况，最近的交易明细，购买产品的状况。在提问的时候，通过nlp系统解析问题中的关键字，识别询问的实体、关系等，找到关联的问题，引导客户按照提问已有的问题。使用知识图谱的好处在于，可以快速的查询出客户周边...

1.知识图谱是一种工具，是一种与关系型数据库相对的数据组织方式，有其擅长的领域，但不能手里拿着锤子，看哪里都是钉子。知识图谱也有不擅长的领域。2.除大数据外，基于传统的关系型数据库开发一些机器学习或深度学习模型也可以做到风控。...

横向涉猎不多，答错勿怪。titian就是分布式的，因为它是基于hbase的。Neo4j 好像就不支持，不像hbase这么简单就可以进行扩展。