【TechWeb】在投资信息漫天飞、数据难辨真伪的市场背景下，金融机构内部的分析团队，难以满足诸多投资客户的咨询需求，而当面对跨行业分析，这个问题更为明显。

北京融汇金信信息技术有限公司推出“智能小e”，这款机器人能够利用大数据及文本语义分析来处理金融领域的文本，主要包括文本语义分析，分布式抓取计算，语义网自动构建，文本情感分析；根据文本得出的结论可以辅助投资者进行决策。

融汇金信CEO罗彤认为，在金融领域每个产业都有它的专业壁垒，缺少一个工具能够把它们总结起来，为人们提供自动知识服务和决策支持。

10月31日，罗彤在2019中国金融科技产业峰会上谈到，“金融产业中，知识图谱能够赋能人们更高效率的个性化信息获取”随后，罗彤在现场演示了一个案例：通过与“机器人小e”对话，用户能获得关键词“锂电池”的上下游相关领域、技术，有哪些子类、企业、客户。另外还展示了一个由机器处理行业信息的知识图谱。

“目前智能小e通过算法建设的知识体系覆盖130多万个关系、细分6、7万个细分产业与产品、覆盖公司上万家，覆盖产业投资全领域，”罗彤介绍道，“而目前业内的知识图谱大多由人工完成，很难做到全部领域。”

百科类知识较多来自于维基百科和百度百科，数据相对比较规整，获取比较容易，在非百科图谱方面，相关产业的深度知识非常稀少。

会后，罗彤接受TechWeb采访，向我们简短讲述了融汇金信发展历程：

2010年，罗彤带着用两年时间打造的全球十大语义搜索引擎回国创业，他和团队向国内一家知名媒体机构展示了他们的搜索系统，对方觉得可以，希望将这个产品融入到打造中国的bloomberg（一家美国金融信息企业，使用自动化机器撰写分析报告）进程中来，而当时仅仅做到了语义搜索，没有做到人机对话和智能报告。

机器学习特别是深度学习需要大量标注，金融领域则覆盖了上万各产业细分和产品，很少有公司有足够的时间和人力来标注全产业的数据。罗彤的团队在2015年向百万级数据中引入弱监督学习模型，尝试让机器在微弱关联的信息中寻找关联，取得了一定进展。

直到2016年以后，罗彤和他的团队逐步将其升级到对话的，这与智能手机的发展大背景同步，当年的谷歌Asistant、微软Crotana、苹果Siri等工具如日中天，罗彤希望通过对话的方式来为客户提供服务。

人们需要更快的金融信息获取工具，将农业、医药、生物制造等垂直领域，短时间处理大量信息的任务需要机器的帮助。例如，跨领域的产业信息，依靠一个分析师多年积累的知识，难以满足用户的多元，迁移算法或许是下一次技术突破的关键。

然而罗彤强调，眼下基于知识图谱的金融智能助手核心是一种在密集的公开信息中自动学习知识体系，寻找风险、填补人类知识死角、减少收集资料时间的工具。

另外，基于知识图谱和对话功能，罗彤希望在未来推出“任务型”机器人，即能够模拟一个人主动跟投资者做投顾服务和金融产品营销的产品，目前该产品已有成型框架，预计在今年底向客户部署。同时，基于知识图谱和自动写作，公司和产业分析的智能报告大大节约了人力，也是金融智能助手重要的发展方向。