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...

从系统自身考虑的话，包括高可靠性，读写效率、扩展性，与其他系统相同。除此之外，还应该从整体规划和这个系统所处的位置进行考虑，为了满足整体规划，牺牲一些性能或者成本也是必要的。比如为了避免海量数据的多系统存储分析，就选用了以hadoop为基础的图数据库，这样所有的数据只需一...

主要是确认需求，一方面是适不适合用知识图谱这个工具，另一方面做好与其他系统的对接工作，如何能将知识图谱这个服务以简便快捷的方式输出给其他系统。前者可以和多方面行内外专家交流，后者主要还是要与业务部门进行沟通，确认业务部门的期望，技术实现大多时候不是难点，难的是如何...

1.当然是可视化展示，知识图谱的魅力之一就是让人直观的看到多实体之间的关系，能用图标示的就不要哔哔2.多种服务提供方式，有些服务使用方，不需要图，那么可能通过api或者批量文件的方式比较合适。所以从系统建设角度来看，最好能提供多样的服务对接方式，满足前端服务使用方的不同...

用户画像主要整合了多方面数据以及相应的工具组件，包括：（1）用户人口信息、资产和交易等结构化数据，采用关系型数据库进行存储。（2）用户APP行为等非结构化数据，采用Logstash采集，Hadoop HDFS存储。（3）用户的关键统计信息导入至Elasticsearch，供前端系统进行快速查询。用户群的多维cube...

主要用Caffe，TensorFlow。Caffe使用配置文件描述神经网络，开发量少，可以比较高效的实现应用，但是牺牲了灵活性。TensorFlow非常灵活，所有网络细节定义都提供API，可以灵活的编程实现，但是开发难度相对较高。我们在开发BlueMind时首先支持Caffe，TensorFlow这两个框架也是因为用的人...

个人理解对于未来数据增长比较迅速的企业在考虑自己的大数据应用构建的时候尽量考虑基于开源的扩展性较好的解决方案。以防止在后期在数据增加后被特定大数据解决方案束缚。其次，在项目初期可以先把大数据的基础架构搭好，保证方案的水平扩展性，未来可以通过增加服务器来支撑...

2014年，大数据进入快速发展的第一阶段。需求方面，企业对于大数据的需求持续增强，各类大数据应用逐渐落地，并成为产业链的核心，企业着力培育自身的数据资产。供给方面，新兴技术推动大数据技术环境趋向成熟，行业大数据应用渐渐丰富，大数据生态系统多元化程度加强。结合Enfodesk易观...(more)

大数据对银行的用途是：一个是用于提高用户体验，一个是各种决策支持，一个是信用体系建立。