王寶強是怎麼選律師的？知識圖譜告訴你

王寶強離婚案件終於開庭了，但寶寶專門聘請的律師張起淮到底有多牛，為什麼第一時間就鎖定請他呢？

據了解，張起淮在律師圈內的口碑頗有爭議。因為他是當年「李天一輪姦案」的二審律師，在此之前還代理過北京某球星強姦案，且為被告人做無罪辯護獲成功。

因此，有人說他愛出風頭，有人說他「功績顯著」，但無疑他與娛樂圈有不錯的關係，用知識圖譜可以很容易地把事情講清：

可以看到，他曾為徐靜蕾、趙薇、庄則棟等名人擔任過代理律師，因此王寶強這次的選擇，極大的可能是圈內人介紹。分析王寶強2004年因參演馮小剛執導的劇情片《天下無賊》而獲得關注，知遇之恩外，王寶強的生活一直有馮導的關心，而馮導與演而優則導的趙薇、徐靜蕾已有多年交情，根據推測應該是得到了像馮導之類的比較親近的朋友幫助。

並且，張起淮還多次就其代理的典型案件接受央視、人民日報等多家媒體的採訪，還擔任央視《焦點訪談》、《東方時空》、《今日說法》的嘉賓，簡直就是律政界大咖。

反過來說，這麼牛的律師能第一時間陪同王寶強報案，其案件複雜度和當事人的知名度無疑都是張起淮選擇接手的原因。

不過，因代理李天一案太出名，網傳張起淮律師是著名刑事代理律師，便有輿論表示：王寶強方面啟用張作為代理律師的原因，在於此次案件絕非單純的民事案件。

那到底是不是呢？

根據數據分析顯示，張律師代理案件共計101起，其中刑事類案件僅占其代理案件的2.11%，其實，絕大部分案件還是民事類案件。不過考慮此次離婚案件複雜度，確實需要經驗豐富的律師出手。

因此，張起淮之所以被認可，也並非只因在娛樂圈的知名度，還得靠實力說話：從第三方平台的律師關聯方圖譜來看，張律師在全國多地都代理過訴訟案件，並且未有異常關聯預警。

其實，很多應用場景都可以用到知識圖譜，但當面對海量的異構數據，分析起來就沒那麼簡單了，需要整合線上、線下、手機、PC等全渠道來源數據，結合不同業務進行關聯分析，下面舉幾個百分點在金融領域的應用來細說。

1

反欺詐

反欺詐是風控中非常重要的環節。

基於大數據的反欺詐的難點在於如何把不同來源的數據（結構化+非結構）整合在一起，並構建反欺詐引擎，從而有效地識別出欺詐案件（比如身份造假、團體欺詐、代辦包裝等）。

而且，不少欺詐案件會涉及到複雜的關係網路，這也給欺詐審核帶來了新的挑戰。知識圖譜作為關係的直接表示方式，可以很好地解決這兩個問題。

首先，知識圖譜提供非常便捷的方式來添加新的數據源。 其次，知識圖譜本身就是用來表示關係的，這種直觀的表示方法可以幫助我們更有效地分析複雜關係中存在的特定的潛在風險。

反欺詐的核心是人，需要把與借款人相關的所有的數據源打通，並構建包含多數據源的知識圖譜，從而整合成為一台機器可以理解的結構化的知識。

我們不僅可以整合借款人的基本信息（比如申請時填寫的信息），還可以把借款人的消費記錄、行為記錄、網上的瀏覽記錄等整合到整個知識圖譜里，從而進行分析和預測。

其中的一個難點是很多的數據都是從網路上獲取的非結構化數據，需要利用機器學習、自然語言處理技術把這些數據變成結構化的數據。

2

不一致驗證

不一致性驗證可以用來判斷一個借款人的欺詐風險，和交叉驗證類似。比如借款人A和借款人B填寫的是同一個公司電話，但張三填寫的公司和李四填寫的公司完全不一樣，這就成了一個風險點，需要審核人員格外的注意。

再比如，借款人說跟張三是朋友關係，跟李四是父子關係。當我們試圖把借款人的信息添加到知識圖譜里的時候，「一致性驗證」引擎會觸發。引擎首先會去讀取張三和李四的關係，從而去驗證這個「三角關係」是否正確。很顯然，朋友的朋友不是父子關係，所以存在著明顯的不一致性。

不一致性驗證涉及到知識的推理。通俗地講，知識的推理可以理解成「鏈接預測」，也就是從已有的關係圖譜里推導出新的關係或鏈接。比如上面的例子，假設張三和李四是朋友關係，而且張三和借款人也是朋友關係，那我們可以推理出借款人和李四也是朋友關係。

3

組團欺詐

相比虛假身份的識別，組團欺詐的挖掘難度更大。

這種組織在非常複雜的關係網路里隱藏著，不容易被發現。當我們只有把其中隱含的關係網路梳理清楚，才有可能去分析並發現其中潛在的風險。

比如，有些組團欺詐的成員會用虛假的身份去申請貸款，但部分信息是共享的。從下圖中可以看出張三、李四和王五之間沒有直接的關係，但通過關係網路我們很容易看出這三者之間都共享著某一部分信息，這就讓我們馬上聯想到欺詐風險。

雖然組團欺詐的形式眾多，但有一點值得肯定的是知識圖譜一定會比其他任何的工具提供更佳便捷的分析手段。

4

異常分析

異常分析是數據挖掘研究領域裡比較重要的課題。

我們可以把它簡單理解成從給定的數據中找出「異常」點。在實際應用中，這些」異常「點可能會關聯到欺詐。

既然知識圖譜可以看做是一個圖（Graph），知識圖譜的異常分析也大都是基於圖的結構。由於知識圖譜里的實體類型、關係類型不同，異常分析也需要把這些額外的信息考慮進去。大多數基於圖的異常分析的計算量比較大，可以選擇做離線計算。在應用框架中，可以把異常分析分為兩大類：靜態分析和動態分析。

- 靜態分析

所謂的靜態分析指的是，給定一個圖形結構和某個時間點，從中去發現一些異常點（比如有異常的子圖）。下圖中可以很清楚地看到其中五個點的相互緊密度非常強，可能是一個欺詐組織。所以針對這些異常的結構，可以做出進一步的分析。

- 動態分析

所謂的動態分析指的是分析其結構隨時間變化的趨勢。假設是，在短時間內知識圖譜結構的變化不會太大，如果它的變化很大，就說明可能存在異常，需要進一步的關注。

5

失聯客戶管理

除了貸前的風險控制，知識圖譜也可以在貸后發揮其強大的作用。

比如在貸后失聯客戶管理的問題上，知識圖譜可以幫助我們挖掘出更多潛在的新的聯繫人，從而提高催收的成功率。

現實中，不少借款人在借款成功后出現不還款現象，而且玩「捉迷藏」，聯繫不上本人。即便試圖去聯繫借款人曾經提供過的其他聯繫人，但還是沒有辦法聯繫到本人。這就進入了所謂的「失聯」狀態，使得催收人員也無從下手。

那接下來的問題是，在失聯的情況下，我們有沒有辦法去挖掘跟借款人有關係的新的聯繫人？而且這部分人群並沒有以關聯聯繫人的身份出現在知識圖譜里。如果能夠挖掘出更多潛在的新的聯繫人，就會大大地提高催收成功率。

比如，在下面的關係圖中，借款人跟李四有直接的關係，但我們卻聯繫不上李四。那有沒有可能通過2度關係的分析，預測並判斷哪些李四的聯繫人可能會認識借款人。這就涉及到圖譜結構的分析。

6

智能搜索及可視化演示

基於知識圖譜，也可以提供智能搜索和數據可視化的服務。

智能搜索的功能類似於知識圖譜在Google、Baidu上的應用。也就是說，對於每一個搜索的關鍵詞，我們可以通過知識圖譜來返回更豐富，更全面的信息。

比如搜索一個人的身份證號，智能搜索引擎可以返回與這個人相關的所有歷史借款記錄、聯繫人信息、行為特徵和每一個實體的標籤（比如黑名單、同業等）。另外，可視化的好處不言而喻，通過可視化把複雜的信息以非常直觀的方式呈現出來，使得我們對隱藏信息的來龍去脈一目了然。

7

精準營銷

一個聰明的企業可以比它的競爭對手以更為有效的方式去挖掘其潛在的客戶。

在互聯網時代，營銷手段多種多樣，但不管有多少種方式，都離不開一個核心——分析用戶和理解用戶。知識圖譜可以結合多種數據源去分析實體之間的關係，從而對用戶的行為有更好的理解。

比如一個公司的市場經理用知識圖譜來分析用戶之間的關係，去發現一個組織的共同喜好，從而可以有針對性的對某一類人群制定營銷策略。只有我們能更好的、更深入的（Deep understanding）理解用戶的需求，我們才能更好地去做營銷。