利用知识图谱技术 智能投研公司文因互联对金融数据进行结构化提取和智能化分析

2015年作为分界线，Fintech从强调“触达”的上半场走入了强调“重构”的下半场。上半场互联网金融具备低成本、无边界触达的特点，使得金融服务的客户群体扩大至从前未获传统金融服务覆盖的群体，这也是互联网金融业迅速壮大的基础。但在此过程中流量转化是关键，简单的用户转移很难带来持久的发展。

相较于上半场强调金融业务旧模式的升级，下半场则强调技术的创新，核心技术包括人工智能、大数据和云计算等，主要产品和服务形式包括智能投研、智能投顾、大数据征信、电子货币等。

在智能金融多种产品服务中，智能投顾占据了最主要的市场份额。到2020年，智能投顾的产业市场收入规模将达到2550亿美元。而智能投研所属的人工智能分析产业的市场规模则为700亿美元左右。

相较于智能投顾，智能投研技术难度更高，发展尚未成规模。现阶段，智能投研更多是利用NLP和知识图谱技术，自动实现上下游产业链分析、智能财务模型等，还无法完全代替人脑实现因果逻辑分析和判断。但智能投研的终极目标，是基于大数据和人工智能技术，实现从搜索到投资观点的自动跨越。

成立于2015年底的智能投研服务商文因互联，旨在利用知识图谱技术，对金融数据进行结构化提取和智能化分析，帮助金融从业者提升工作效率，创造更多价值。

公司主要提供自动化公告摘要、自动化研报摘要、自动化报告写作、金融查询机器人、金融搜索等智能金融核心工具。

智能投研可总结为两种发展模式——扩展数据类型与体验优化升级。扩展数据类型主要是指扩展传统的数据，或是将另类数据结合传统投研数据，以提供投研分析新模型。体验优化升级是指不改变原有投研数据类型，通过知识图谱等技术，改善数据清洗、提取、分拆过程，提高投研效率。

文因互联选取了第二种模式。除了文因互联，同类公司还有萝卜投研、数库、因果树等。文因互联CEO鲍捷告诉36氪，短时间内另类数据很难做成一个规模化的生意，因为它面向的人群比较专业。因此文因互联可以为客户提供另类数据的定制化模块，但不会以此为核心。

文因互联在体验优化升级领域中，技术上的优势主要体现在NLP算法和知识图谱上。文因互联可以基于NLP算法，做新词的自动发现、提取和校验，补充更新知识图谱，将知识图谱的颗粒度不断变细。之所以可以做到这一点，是因为文因互联具备从PDF中提取文本的能力。鲍捷告诉36氪，在金融领域，文本大多是以PDF文件的形式存在的，因此金融领域的数据入口是从PDF中提取文本。但从PDF中提取文本的技术门槛较高，这也是许多公司无法涉足金融文本结构化的原因。

文印互联现有的目标客户包括监管机构和政府、银行、咨询公司等。鲍捷认为，靠近交易环节的客户的付费意愿并不强烈，如基金等，因为他们需要的更多是专家知识。

盈利模式方面，如果客户购买已开发好的标准化数据模块，那么就是收取数据费用。标准模块的年费约为10-20万元。如果客户需要开发一些定制化模块，则收取定制服务费用，根据客户要求不同，费用差别也较大。文因互联现在已稳定服务10多家客户，正在接触或是刚提供服务的客户有20多家。

文因互联于2015年底获得无量资本630元万天使轮投资，2016年年底获得1200万Pre-A轮投资，睿鲸资本领投。

公司于2013年建于美国硅谷， 现有33人，创始团队主要来自MIT、RPI、Wright State、 Marvell、Tulane University等知名大学和公司， 是知识图谱领域领军人物，深耕人工智能领域十余年， 在学术界和工业界实施过大型智能系统开发。鲍捷，创始人兼CEO。美国Iowa State University人工智能博士，RPI博士后，MIT访问研究员，W3C OWL(Web本体语言)工作组成员，前三星美国研发中心研究员，三星问答系统s-voice第二代系统核心设计师。2013-2015年曾任美国Memect LLC的CTO和CEO。郑锦光，合伙人，首席科学家。美国RPI计算机博士，主要研究方向是语义网， 自然语言处理和知识推理。主持了Counselytics 法律信息和问答数据提取项目， RPI-迪斯尼先锋语言理解和对话系统，RPI基于三种语言（英文，中文和西班牙文）的实体发现与关联系统以及知识库推理系统。主要职责为带领研发金融领域的知识图谱，信息抽取，语义搜索引擎和智能推理引擎，以及制定公司智能科技的研发方向和目标。