作者：王铿、王丽静 等编著
页数：199
出版社：机械工业出版社
出版日期：2023
ISBN：9787111724520
电子书格式：pdf/epub/txt
内容简介
进入了以数字化、信息化为主的工业3.0时代，人工智能取得了飞速发展并正引领着社会高速发展，迈向以智能化著称的4.0时代。随着商业银行的全球化发展、信息科技的深度应用，商业银行和人工智能已经呈现出了互相促进的态势。但不容忽视的是，在智能化转型的过程中，人工智能所引发的风险也必须引起重视，如何规避可能产生的风险，提出有效的解决方案，使所有相关流程合法合规，也是商业银行在社会发展中所应当承担的责任。本书核心部分详细介绍了人工智能技术在商业银行的应用实践，有利于具体指导商业银行中人工智能体系的建设，填补国内相关经验分享的空白。
目录
目录
前言
第1章 人工智能概述 / 1
1.1 人工智能技术 / 1
1.1.1 人工智能的概念 / 1
1.1.2 人工智能的发展 / 2
1.1.3 金融科技的发展 / 3
1.2 人工智能的应用 / 5
1.2.1 人工智能的应用领域 / 5
1.2.2 人工智能在商业银行的应用 / 7
第2章 商业银行常用人工智能技术简介 / 13
2.1 机器学习技术 / 13
2.1.1 主流算法介绍 / 14
2.1.2 建模流程 / 15
2.2 语音处理技术 / 16
2.2.1 语音识别 / 16
2.2.2 语音合成 / 18
2.3 自然语言处理 / 18
2.3.1 基础技术 / 18
2.3.2 应用介绍 / 19
2.4 知识图谱技术 / 21
2.4.1 图谱构建 / 22
2.4.2 知识应用 / 23
2.5 生物特征识别技术 / 25
2.5.1 人脸识别 / 26
2.5.2 虹膜识别 / 26
2.5.3 静脉识别 / 26
2.5.4 声纹识别 / 27
2.6 计算机视觉技术 / 28
2.6.1 基础技术 / 28
2.6.2 OCR技术 / 29
2.7 联邦学习技术 / 31
2.7.1 横向联邦学习 / 32
2.7.2 纵向联邦学习 / 32
2.7.3 联邦迁移学习 / 33
第3章 商业银行应用策略 / 35
3.1 人工智能技术的应用方法 / 35
3.1.1 机器学习应用类型 / 37
3.1.2 智能语音识别应用类型 / 41
3.1.3 自然语言处理应用类型 / 42
3.1.4 知识图谱应用类型 / 44
3.1.5 生物特征识别应用类型 / 47
3.1.6 计算机视觉应用类型 / 49
3.2 人工智能应用的评价 / 50
3.2.1 感知评价指标 / 50
3.2.2 认知模型评价指标 / 51
3.2.3 数据集划分 / 52
3.2.4 评估指标 / 52
3.3 人工智能模型运营管理 / 58
3.3.1 人工智能模型生成 / 58
3.3.2 人工智能模型运营 / 59
3.4 人工智能应用中的风险因素 / 62
3.4.1 人工智能风险 / 62
3.4.2 金融人工智能应用的安全性 / 68
3.4.3 人工智能安全法律和政策 / 70
第4章 商业银行应用架构 / 81
4.1 人工智能应用架构简介 / 81
4.1.1 人工智能产业介绍 / 81
4.1.2 人工智能平台实施方法 / 84
4.2 感知智能平台架构 / 91
4.2.1 感知能力共享中心 / 92
4.2.2 生物识别平台 / 96
4.2.3 语音识别平台 / 97
4.2.4 自然语言处理平台 / 98
4.2.5 知识库平台 / 100
4.2.6 机器人平台 / 101
4.3 认知智能平台架构 / 102
4.3.1 基础数据层 / 105
4.3.2 软硬件资源层 / 105
4.3.3 技术框架层 / 105
4.3.4 模型管理层 / 108
4.3.5 服务应用层 / 109
4.4 应用架构设计要点 / 109
4.4.1 应用架构设计 / 109
4.4.2 工程实践经验 / 111
第5章 商业银行应用场景及实践 / 114
5.1 主要应用场景简介 / 114
5.2 智能客服 / 120
5.2.1 背景 / 120
5.2.2 主要用法 / 120
5.2.3 业务价值 / 134
5.3 智能渠道 / 135
5.3.1 背景 / 135
5.3.2 现状 / 136
5.3.3 主要用法 / 137
5.3.4 业务价值 / 142
5.4 智能营销 / 143
5.4.1 背景 / 143
5.4.2 智能推荐应用 / 144
5.4.3 智能推荐价值和展望 / 147
5.4.4 流失预警 / 147
5.4.5 智能投顾 / 149
5.5 智能投资 / 149
5.5.1 背景 / 149
5.5.2 高频交易 / 150
5.5.3 程序化交易 / 151
5.5.4 人工智能 / 151
5.5.5 交易模式 / 153
5.5.6 订单类型 / 154
5.5.7 常见策略 / 154
5.5.8 策略开发流程 / 156
5.5.9 业务价值 / 157
5.6 智能风控 / 158
5.6.1 背景 / 158
5.6.2 现状 / 159
5.6.3 主要内容 / 159
5.6.4 智能风控的风险传导体系建立 / 170
5.7 智能运营 / 171
5.7.1 运营的概念 / 171
5.7.2 运营的趋势 / 172
5.7.3 某银行智能运营的建设方案 / 173
5.7.4 交易集约 / 174
5.7.5 风控集约 / 178
5.7.6 实物集约 / 182
第6章 商业银行应用展望 / 183
6.1 人工智能技术的发展及应用 / 183
6.2 商业银行业务发展对人工智能的需求 / 187
6.2.1 智能客服 / 187
6.2.2 智能渠道 / 188
6.2.3 智能营销 / 188
6.2.4 智能投资 / 189
6.2.5 智能风控 / 190
6.2.6 智能运营 / 190
6.3 人工智能应用的合规性 / 191
6.3.1 国际金融监管政策分析 / 192
6.3.2 国内金融监管政策分析 / 194
6.3.3 启示与变革 / 195
结束语 / 196
参考文献 / 198
前言
第1章 人工智能概述 / 1
1.1 人工智能技术 / 1
1.1.1 人工智能的概念 / 1
1.1.2 人工智能的发展 / 2
1.1.3 金融科技的发展 / 3
1.2 人工智能的应用 / 5
1.2.1 人工智能的应用领域 / 5
1.2.2 人工智能在商业银行的应用 / 7
第2章 商业银行常用人工智能技术简介 / 13
2.1 机器学习技术 / 13
2.1.1 主流算法介绍 / 14
2.1.2 建模流程 / 15
2.2 语音处理技术 / 16
2.2.1 语音识别 / 16
2.2.2 语音合成 / 18
2.3 自然语言处理 / 18
2.3.1 基础技术 / 18
2.3.2 应用介绍 / 19
2.4 知识图谱技术 / 21
2.4.1 图谱构建 / 22
2.4.2 知识应用 / 23
2.5 生物特征识别技术 / 25
2.5.1 人脸识别 / 26
2.5.2 虹膜识别 / 26
2.5.3 静脉识别 / 26
2.5.4 声纹识别 / 27
2.6 计算机视觉技术 / 28
2.6.1 基础技术 / 28
2.6.2 OCR技术 / 29
2.7 联邦学习技术 / 31
2.7.1 横向联邦学习 / 32
2.7.2 纵向联邦学习 / 32
2.7.3 联邦迁移学习 / 33
第3章 商业银行应用策略 / 35
3.1 人工智能技术的应用方法 / 35
3.1.1 机器学习应用类型 / 37
3.1.2 智能语音识别应用类型 / 41
3.1.3 自然语言处理应用类型 / 42
3.1.4 知识图谱应用类型 / 44
3.1.5 生物特征识别应用类型 / 47
3.1.6 计算机视觉应用类型 / 49
3.2 人工智能应用的评价 / 50
3.2.1 感知评价指标 / 50
3.2.2 认知模型评价指标 / 51
3.2.3 数据集划分 / 52
3.2.4 评估指标 / 52
3.3 人工智能模型运营管理 / 58
3.3.1 人工智能模型生成 / 58
3.3.2 人工智能模型运营 / 59
3.4 人工智能应用中的风险因素 / 62
3.4.1 人工智能风险 / 62
3.4.2 金融人工智能应用的安全性 / 68
3.4.3 人工智能安全法律和政策 / 70
第4章 商业银行应用架构 / 81
4.1 人工智能应用架构简介 / 81
4.1.1 人工智能产业介绍 / 81
4.1.2 人工智能平台实施方法 / 84
4.2 感知智能平台架构 / 91
4.2.1 感知能力共享中心 / 92
4.2.2 生物识别平台 / 96
4.2.3 语音识别平台 / 97
4.2.4 自然语言处理平台 / 98
4.2.5 知识库平台 / 100
4.2.6 机器人平台 / 101
4.3 认知智能平台架构 / 102
4.3.1 基础数据层 / 105
4.3.2 软硬件资源层 / 105
4.3.3 技术框架层 / 105
4.3.4 模型管理层 / 108
4.3.5 服务应用层 / 109
4.4 应用架构设计要点 / 109
4.4.1 应用架构设计 / 109
4.4.2 工程实践经验 / 111
第5章 商业银行应用场景及实践 / 114
5.1 主要应用场景简介 / 114
5.2 智能客服 / 120
5.2.1 背景 / 120
5.2.2 主要用法 / 120
5.2.3 业务价值 / 134
5.3 智能渠道 / 135
5.3.1 背景 / 135
5.3.2 现状 / 136
5.3.3 主要用法 / 137
5.3.4 业务价值 / 142
5.4 智能营销 / 143
5.4.1 背景 / 143
5.4.2 智能推荐应用 / 144
5.4.3 智能推荐价值和展望 / 147
5.4.4 流失预警 / 147
5.4.5 智能投顾 / 149
5.5 智能投资 / 149
5.5.1 背景 / 149
5.5.2 高频交易 / 150
5.5.3 程序化交易 / 151
5.5.4 人工智能 / 151
5.5.5 交易模式 / 153
5.5.6 订单类型 / 154
5.5.7 常见策略 / 154
5.5.8 策略开发流程 / 156
5.5.9 业务价值 / 157
5.6 智能风控 / 158
5.6.1 背景 / 158
5.6.2 现状 / 159
5.6.3 主要内容 / 159
5.6.4 智能风控的风险传导体系建立 / 170
5.7 智能运营 / 171
5.7.1 运营的概念 / 171
5.7.2 运营的趋势 / 172
5.7.3 某银行智能运营的建设方案 / 173
5.7.4 交易集约 / 174
5.7.5 风控集约 / 178
5.7.6 实物集约 / 182
第6章 商业银行应用展望 / 183
6.1 人工智能技术的发展及应用 / 183
6.2 商业银行业务发展对人工智能的需求 / 187
6.2.1 智能客服 / 187
6.2.2 智能渠道 / 188
6.2.3 智能营销 / 188
6.2.4 智能投资 / 189
6.2.5 智能风控 / 190
6.2.6 智能运营 / 190
6.3 人工智能应用的合规性 / 191
6.3.1 国际金融监管政策分析 / 192
6.3.2 国内金融监管政策分析 / 194
6.3.3 启示与变革 / 195
结束语 / 196
参考文献 / 198
