自动报告+金融问答,这里有一种更快的资讯获取方式

2017 年 9 月 25 日 文因互联 专心做产品的

作为一家人工智能公司,文因互联一直在思考如何将知识图谱应用到金融领域。

金融业作为百业之母,与所有的行业都深深交织在一起,蕴含着海量数据,但大量数据都是以非结构的形式存在,无法利用机器进行高效处理直接使用。

虽然技术不断发展,但这些数据收集、研究的工作却还是依赖人力完成。如果能实现数据的结构化,就可以减少重复的手工体力劳动,帮助金融从业者提高工作效率,从而聚焦在更有价值的工作上。而知识图谱、信息提取、自然语言处理这些正好是文因最擅长的领域。

在2016年,我们已经可以从公告、年报、研报等公开数据中,提取行业、公司、人物、财务数据等实体概念和实体关系,开启金融知识图谱构建等相关工作。但是以何种方式交付给用户使用,我们做了很多尝试,这些尝试中有成功也有失败,但最终都为要做的事情打下更深的基础。

自动报告:从微博私信开始的故事

故事开始在今年3月,在微博上收到了一些私信,了解到不少金融从业小伙伴儿在撰写分析报告时,筛选指标、整理数据、形成图表这些工作会占据大量的时间。特别是在新三板领域,到了年报季10000多家公司根本看不过来。

这些是不是可以通过一种更高效的方式解决?或许知识图谱在这里可以帮助减轻一些负担。

于是我们很快捣鼓出“自动报告”这样一个微信小程序,主要是从公司招股说明书、财报、公告抽取企业基本面数据,并自动生成一份 PDF 或者 Word 文档报告,可以用做分析底稿,也可以用来快速了解一个公司的基本情况。

使用起来也非常简单,在小程序中输入公司名称或代码就可以查到相应的报告,10秒内就可以生成一份最新的报告,手机端浏览起来很方便。如果需要编辑使用的话,也可以在网页端下载PPT格式文件。

(上图为一家新三板公司自动报告部分截取)

金融问答:一种新的搜索方式

自动报告的功能一经推出,受到很多用户的肯定,有专业的分析师、投资经理、个人理财者,也有不少金融机构的实习生。

同时也收到不少反馈,有时大家就是想要获取一个特定的答案,比如当客户问到 XX 公司的财务数据,打开金融终端查询太笨重,查看自动报告也需要花费一点时间,直接使用搜索引擎得出的结果更是混杂,就想要用最快的速度得到一个精准的答案,怎么办呢?

我们相信问答会是最好的解决方案。在技术上,我们已经可以对金融数据进行颗粒化的提取和加工,从而提供点对点式的精准查询。

举一个小栗子,比如当你询问云计算的市场规模时,可以直接告诉你云计算的市场规模是多少,而不是提供一堆可能相关的网页。你不用再从几百页的搜索结果中甄别,从页面的跳转中寻找结果。

做问答产品与做传统的互联网产品不同,问答系统的实现效果很难评估,对用户意图的理解是否正确、提供的回复是否满足预期没有标准化的工具可以验证。这是一个需要不断猜想、验证、迭代的过程。此时的小助手还非常笨拙,意图识别不足,能回复的问题也很有限。大概有点像爱你在心口难开,储存了很多知识,仍然在不断探索如何更好地呈现给大家。

幸运的是,始终有爱我们的用户一路陪伴。在过去的半年里提供了上千条反馈,每一条我们都认真记录下来,不断增补数据,优化数据结构,提升问答的体验,用心迭代产品。

这个过程充满了挑战,也有很多意外之喜。每一次与用户沟通的过程都是去发现和重新认知的过程,从用户的问句中不断发掘金融信息的价值,原来大家更想要了解的是这个;新上线的功能得到用户反复使用,原来这个功能真的帮助大家解决了问题……在这个过程中我们更加深刻理解了要做的事情,发现了不少问题,也更加迫切地想去解决这些问题。

在经过半年后,似乎终于有了一个可以初步交付的结果,下面就让我来做一个正式的自我介绍吧。

文因助手:是时候出场啦

现在终于可以正式和大家打个招呼了,我是文因助手1.0,一个智能金融助理,可以生成自动报告和提供金融问答,目前依然以微信小程序的形式承载。

如果你想减少重复性的案头工作,更专注于观点写作;或者想在地铁上、等飞机的十分钟里了解公司的基本情况,可以试试自动报告。

输入公司名或者股票代码,即可获取报告。一类自动报告是根据公司最新动态实时生成,提供基本信息概览、简明财务模型分析、财务指标、同业企业对比、团队与核心成员、参控股公司关系等维度,涵盖了公司的基本面数据。另一类是市场观点的整合报告,你可以看到公司以及所在行业相关的研报点评,或许能够为你的决策提供一些依据。

如果你不知道想要了解什么,在报告广场,我们也推荐了最近热门的企业,你可以用最短时间了解。

如果你想用更快的速度得到问题的精准回答,可以试试金融问答。

我们提供了表格、图片和文字等不同形式的内容,财务指标、供应商、欠款人、主营业务以表格的形式展示 ,股价变动、关系图谱以图片的形式提供,可以方便地作为金融写作素材使用。

你可以在这里查询企业、行业、人物相关的内容,并从中发掘他们之间的关系。如你可以查询金杯汽车是什么行业,然后可以接着了解它所属的汽车行业的市场规模、上下游关系和相关产业

通过对公开数据的挖掘,我们可以计算出与汽车关联度最高的行业名词,并推理出其中的上下游关系,为你的研究打开新的视角。

再举个栗子,输入公司名称+高管,你可以知道高管的简历和人物图谱。

如果不知道该如何提问,可以参考我们提供的引导问句,看看其他人如何提问,也了解下最近大家关注的问题有哪些

还有更多的功能等着你来解锁!

最后真心地感谢一直陪伴我们成长的朋友,感谢你们提供的宝贵建议。如果你也愿意给我们提提建议或者吐吐槽,欢迎添加客服的微信(huoweiyijuntuan),她会很愿意和你聊聊。

在这个9月我们的团队得到了扩张,这意味着我们将有更大的能力来实现大家的期待,在接下来的日子里,我们会加快演进的速度,也期待能有更多美好的相遇。

1.0是一个意味着开始的数字,一切才刚刚开始,未来无限想象。

P.S. 如果你恰好是一名工程师,对如何构造文因助手这样的AI产品有强烈兴趣,欢迎来到我们的战队。简历投递地址:ceo@memect.co  如果你想了解更多,可以点击阅读原文到我们的官网去逛一逛。

登录查看更多
0

相关内容

在社会经济生活,银行、证券或保险业者从市场主体募集资金,并投资给其它市场主体的经济活动。
【2020新书】实战R语言4,323页pdf
专知会员服务
98+阅读 · 2020年7月1日
【高能所】如何做好⼀份学术报告& 简单介绍LaTeX 的使用
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
234+阅读 · 2020年4月18日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
【综述】金融领域中的深度学习,附52页论文下载
专知会员服务
161+阅读 · 2020年2月27日
【阿里技术论文】AliMe KBQA:阿里小蜜中的结构化知识问答
专知会员服务
82+阅读 · 2019年12月14日
深度学习在金融文本情感分类中的应用
AI前线
36+阅读 · 2019年1月12日
我是一个爬虫
码农翻身
12+阅读 · 2018年6月4日
关注人工智能:人工智能+ 金融添双翼
专知
5+阅读 · 2018年2月5日
刘志明 | 知识图谱及金融相关
开放知识图谱
13+阅读 · 2017年12月18日
Doubly Attentive Transformer Machine Translation
Arxiv
4+阅读 · 2018年7月30日
Arxiv
4+阅读 · 2018年6月5日
Arxiv
6+阅读 · 2018年4月21日
Arxiv
5+阅读 · 2018年1月30日
Arxiv
5+阅读 · 2018年1月23日
Arxiv
5+阅读 · 2015年9月14日
VIP会员
相关VIP内容
相关论文
Doubly Attentive Transformer Machine Translation
Arxiv
4+阅读 · 2018年7月30日
Arxiv
4+阅读 · 2018年6月5日
Arxiv
6+阅读 · 2018年4月21日
Arxiv
5+阅读 · 2018年1月30日
Arxiv
5+阅读 · 2018年1月23日
Arxiv
5+阅读 · 2015年9月14日
Top
微信扫码咨询专知VIP会员