从知识图谱到智慧图谱——金融领域知识图谱.
6个方面分析知识图谱的价值和应用
6个方面分析知识图谱的价值和应用知识对于人工智能的价值就在于，让机器具备认知能力和理解能力。
构建知识图谱这个过程的本质，就是让机器形成认知能力，理解这个世界。
一、知识图谱无处不在说到人工智能技术，人们首先会联想到深度学习、机器学习技术；谈到人工智能应用，人们很可能会马上想起语音助理、自动驾驶等等，各行各业都在研发底层技术和寻求 AI 场景，却忽视了当下最时髦也很重要的AI 技术：知识图谱。
当我们进行搜索时，搜索结果右侧的联想，来自于知识图谱技术的应用。
我们几乎每天都会接收到各种各样的推荐信息，从新闻、购物到吃饭、娱乐。
个性化推荐作为一种信息过滤的重要手段，可以依据我们的习惯和爱好推荐合适的服务，也来自于知识图谱技术的应用。
搜索、地图、个性化推荐、互联网、风控、银行⋯⋯越来越多的应用场景，都越来越依赖知识图谱。
二、知识图谱与人工智能的关系知识图谱用节点和关系所组成的图谱，为真实世界的各个场景直观地建模。
通过不同知识的关联性形成一个网状的知识结构，对机器来说就是图谱。
形成知识图谱的过程本质是在建立认知、理解世界、理解应用的行业或者说领域。
每个人都有自己的知识面，或者说知识结构，本质就是不同的知识图谱。
正是因为有获取和形成知识的能力，人类才可以不断进步。
知识图谱对于人工智能的重要价值在于，知识是人工智能的基石。
机器可以模仿人类的视觉、听觉等感知能力，但这种感知能力不是人类的专属，动物也具备感知能力，甚至某些感知能力比人类更强，比如：狗的嗅觉。
而“认知语言是人区别于其他动物的能力，同时，知识也使人不断地进步，不断地凝练、传承知识，是推动人不断进步的重要基础。
” 知识对于人工智能的价值就在于，让机器具备认知能力。
而构建知识图谱这个过程的本质，就是让机器形成认知能力，去理解这个世界。
三、图数据库知识图谱的图存储在图数据库（ Graph Database）中，图数据库以图论为理论基础，图论中图的基本元素是节点和边，在图数据库中对应的就是节点和关系。
金融知识图谱
金融知识图谱金融知识图谱是一种将金融知识进行可视化展示和结构化管理的工具。
它可以将金融领域的各种概念、模型、指标等关联起来，形成一个有机的知识网络，帮助人们更好地理解和应用金融知识。
金融知识图谱可以包含很多不同的内容，下面将介绍一些典型的金融知识图谱的组成部分。
1. 金融市场：金融市场是金融业务进行的场所，包括股票市场、债券市场、外汇市场等。
金融知识图谱可以将不同市场的相关概念和规则进行组织和展示，帮助人们更好地理解金融市场的运作机制。
2. 金融产品：金融产品是金融机构提供给客户的各种金融工具和服务，包括存款、贷款、债券、股票等。
金融知识图谱可以将不同类型的金融产品进行分类和归类，并展示它们的特点、风险和收益等信息。
3. 金融指标：金融指标是衡量经济和金融市场状况的定量指标，包括GDP、CPI、利率等。
金融知识图谱可以将不同指标的定义、计算方法和影响因素等进行关联和展示，帮助人们更好地理解和应用这些指标。
4. 金融风险：金融风险是指在金融活动中可能发生的损失和危险，包括信用风险、市场风险、流动性风险等。
金融知识图谱可以将不同类型的风险进行分类和归类，并展示它们的定义、评估和管理方法等信息。
5. 金融模型：金融模型是对金融市场和金融产品进行建模和分析的工具，包括资本资产定价模型、期权定价模型等。
金融知识图谱可以将不同类型的金融模型进行分类和组织，并展示它们的基本原理和应用方法等。
以上只是金融知识图谱的一部分内容，实际上金融知识图谱还可以包含很多其他的内容，比如金融机构、金融政策等。
通过金融知识图谱，人们可以更好地理解金融知识的内在关联和逻辑，提高金融决策的准确性和效率。
同时，金融知识图谱也可以为金融领域的研究和发展提供重要的参考和工具。
金融业中的知识图谱技术应用
金融业中的知识图谱技术应用随着数据时代的到来，越来越多的数据被积累和利用，金融业也不例外。
为了更好地管理和利用这些数据，知识图谱技术得到了广泛应用。
知识图谱通过将各种数据、信息和知识有机整合，形成真正意义上的知识网络，极大地提高了数据的利用价值。
一、金融业中的知识图谱技术金融业是信息密度最大、资源最丰富的领域之一，而知识图谱技术的应用可以更好地解决金融业面临的问题。
知识图谱技术可以将金融交易数据、用户画像、信用记录、市场行情等各种信息进行整合、交叉和分析，构建出全面的数据模型和知识图谱，为金融机构的风险控制、智能投资等方面提供了可靠的支撑。
二、知识图谱在金融风控中的应用金融风控是金融业必备的一项关键技术。
知识图谱在风控中的应用主要包括以下方面：1.数据分析：知识图谱可以将金融机构的数据整合和分析，形成更详细、丰富的数据模型，帮助机构更好地发现潜在的风险隐患。
2.风险预警：通过对用户、交易、资金等多种风险数据的整合和分析，知识图谱可以分析出客户信用度、交易风险等方面的问题，并及时提醒金融机构进行风险控制。
3.反欺诈：借助知识图谱技术，金融机构可以根据用户交易行为和历史记录，建立反欺诈模型，尽早发现欺诈用户，从而减少风险损失。
三、知识图谱在金融行为合规方面的应用金融行为合规是保证金融市场秩序和稳定的重要手段。
知识图谱可以在金融行为合规方面的应用主要包括以下方面：1.监管合规：知识图谱技术可以帮助金融机构更好地理解监管合规法规，在金融交易中充分考虑法律法规，从而更好地保证市场秩序和金融稳定。
2.资产管理：知识图谱可以将资产组合进行分析和整合，帮助金融机构更好地进行资产管理和风险控制。
3.反洗钱：知识图谱可以整合用户的个人资料、交易行为和历史记录等多方面信息，建立反洗钱模型，减少洗钱等违法行为的发生。
四、知识图谱在金融投资领域的应用知识图谱技术在金融投资领域的应用主要包括以下方面：1.个性化投资：基于知识图谱的分析，金融机构可以建立用户画像，为用户提供个性化的投资方案。
金融科技知识图谱
精彩摘录
《金融科技知识图谱》是一本全面介绍金融科技领域的书籍，作者通过精心 的调研和深入的研究，将金融科技领域的知识和信息进行了系统的整理和归纳。 在这篇文章中，我们将为大家呈现这本书中的精彩摘录，让大家更深入地了解金 融科技领域。
在书中，作者首先对金融科技的定义和内涵进行了阐述。金融科技是指利用 互联网、大数据等新兴技术，对传统金融业务进行创新和改造，从而提升金融效 率和服务质量的一种新型业态。这种定义明确了金融科技的核心技术和应用领域， 为后续的探讨奠定了基础。
接下来，作者对金融科技的应用场景进行了详细的介绍。金融科技的应用范 围广泛，涵盖了支付、投融资、保险等多个领域。在支付领域，金融科技推动了 无现金支付、移动支付等新型支付方式的普及和发展，为消费者提供了更加便捷、 高效的支付方式。在投融资领域，金融科技通过P2P网贷、众筹等新型融资方式， 为中小企业提供了更加灵活、便捷的融资渠道。
本章节主要介绍了金融科技的监管问题，包括监管政策、监管技术、监管数 据等。金融科技的监管是一个重要的问题，需要加强监管技术的研究和应用，提 高监管水平和效率。
本章节主要介绍了金融科技的未来趋势和发展方向，包括数字化、智能化、 全球化等。同时，还探讨了金融科技的未来挑战和机遇。
本章节通过多个案例分析，详细介绍了金融科技在不同领域的应用和实践。 这些案例可以更好地帮助读者理解金融科技的应用和实践效果。
谢谢观看
金融科技知识图谱
读书笔记
01 思维导图
03 精彩摘录 05 目录分析
知识图谱在金融领域中的应用与思考
知识图谱在金融领域中的应用与思考知识图谱作为人工智能领域的重要应用，已经在金融领域中发挥了广泛的应用。
知识图谱可以将金融领域中的各种信息进行整合和关联，为金融从业者带来了极大的便利和帮助。
本文将介绍知识图谱在金融领域中的应用和思考。
一、知识图谱在金融领域中的应用1. 风险管理知识图谱可以帮助金融机构进行风险管理，通过整合各种风险相关的信息，构建出一张庞大的知识图谱，从而更好地评估和管理风险。
例如，知识图谱可以将各种金融产品、市场变化、政策变化等因素进行整合，帮助金融机构更好地了解市场风险和政策风险、评估客户风险、预测未来市场变化等。
2. 客户关系管理金融机构需要了解客户的需求和偏好，以提供更好的服务和增强客户黏性。
知识图谱可以将客户的个人信息、交易记录、投资偏好等数据整合起来，帮助金融机构更好地了解客户，通过个性化的投资和理财方案来满足客户需求。
3. 金融产品推荐知识图谱可以根据客户的偏好和风险承受能力来推荐合适的金融产品。
通过对客户画像的建立，建立出知识图谱，对客户数据进行清洗，预测出客户所需的金融产品，使每个客户都能得到个性化的金融服务。
4. 欺诈检测金融欺诈是金融行业面临的严重问题，知识图谱可以帮助金融机构进行欺诈检测。
知识图谱可以将客户的交易历史、地理位置、社交网络等数据整合起来，通过大数据分析和机器学习算法来识别潜在的欺诈活动，保护客户资产和公司的资产。
5. 财务报表分析知识图谱可以将财务报表中的数据整合成一张大的图谱，从而更好地了解公司的财务状况。
通过对财务数据进行分析，可以找到公司的财务问题和潜在的风险，从而更好地制定投资策略和决策。
二、知识图谱在金融领域中的思考1. 数据质量在金融领域中，数据的准确性和一致性是非常重要的。
为了保证知识图谱的准确性和可靠性，需要采取一系列措施来保证数据质量，包括数据清洗、数据去重、数据标准化等。
同时，还需要对数据进行验证，确保数据的正确性和一致性。
知识图谱技术在金融风险评估中的应用分析
知识图谱技术在金融风险评估中的应用分析引言：金融风险评估是现代金融业中至关重要的一环。
金融市场的不稳定性和不确定性使得风险成为金融机构和投资者面临的关键问题。
为了更好地理解和评估金融风险，各种技术和方法被引入到风险评估模型中。
其中，知识图谱技术因其能够有效整合和利用大量异构数据的能力而受到广泛关注。
本文将分析知识图谱技术在金融风险评估中的应用，并探讨其在提高风险管理和决策能力方面的潜力。
1. 知识图谱技术概述知识图谱是一种以图形结构存储和表示知识的技术。
它通过将实体、属性和关系构建成图形模型来组织和表达知识。
知识图谱技术的核心是实体识别、实体关联和推理推断。
它可以从不同来源的数据中自动提取知识并构建关联，使得大量数据变得可查询和可分析。
金融领域如银行、保险、证券等涉及大量复杂的金融数据，知识图谱技术的引入能够帮助整合这些数据并为风险评估提供强有力的支持。
2. 知识图谱技术在金融风险评估中的应用2.1 数据整合和清洗金融风险评估涉及大量数据的收集和整合，而数据的来源往往是异构的，形式各异。
知识图谱技术可以通过对数据进行预处理、实体识别和关系抽取等操作，将不同来源的数据整合到一个统一的信息图谱中。
这样一来，研究人员和决策者可以更方便地访问和分析数据，准确把握风险的特征和趋势。
2.2 风险识别和预测通过构建金融领域的知识图谱，可以对风险进行更加全面和深入的识别和预测。
通过对不同实体（如公司、产品、行业等）之间的关系进行建模和分析，可以发现潜在的风险因素以及它们之间的相互关系。
例如，当某个公司与其他公司存在密切的联系时，可以推测出它们之间的风险传播可能性较高。
通过利用知识图谱的推理能力，我们可以对金融市场中的异常情况进行自动检测和预测，提前采取相应的风险防范措施。
2.3 风险量化和评估在金融领域，风险常常需要进行量化和评估。
知识图谱技术可以帮助建立风险的定量模型，并对不同实体之间的风险水平进行评估。
通过将风险因素数据与实体之间的关系建模在知识图谱中，我们可以利用图论和网络分析的方法，识别出重要的风险节点和关键驱动因素。
论知识图谱在金融领域的应用
论知识图谱在金融领域的应用随着金融业的不断深入发展，金融数据的数量呈现出爆发式增长，远远超出了人类处理数据的能力。
在这样的情况下，如何更好地处理和分析这些数据呢？这就需要人工智能技术的加持。
而其中一个重要的工具就是知识图谱。
什么是知识图谱？知识图谱是一种用图论知识表示语言，用于描述真实世界或想象中的领域知识的图形化数据库。
它将不同领域的实体、属性和关系都表示为节点和边，并将它们组织成一张大图。
知识图谱的目的是帮助人类更好地理解知识，快速找到信息。
知识图谱在金融领域的应用1.金融市场的分析金融市场数据是非常复杂和庞大的，只有通过合理的数据分析方法，才能有效地发掘出隐藏在数据中的有用信息。
使用知识图谱可以帮助投资者快速找到市场中的风险和机会，并及时做出决策。
通过知识图谱分析，投资者可以很好地了解市场资产之间的关系，以及不同资产对资产配置的影响。
2.智能投顾智能投顾是指利用人工智能技术，为投资者提供股票、基金等投资建议的一种服务。
利用知识图谱可以设计出更加智能化的投顾系统。
通过对用户需求、市场变化等因素的分析，智能投顾可以更好地为投资者提供个性化、精准的投资建议。
利用知识图谱还可以更好地识别投资机会，并降低投资风险。
3.风险管理风险是金融行业面临的重大问题之一。
利用知识图谱可以更好地管理风险。
知识图谱可以一次性梳理出金融机构的各种风险信息，包括市场风险、信用风险、操作风险等。
同时，知识图谱也可以很好地了解不同风险之间的关系，并提供相应的应对策略。
4.客户关系管理客户关系管理是一项非常重要的任务。
知识图谱可以很好地帮助金融机构管理客户关系。
利用知识图谱可以了解客户的喜好、购买历史、问题反馈等信息。
对于客户的这些信息，金融机构可以针对性地提供服务，并推荐相应的产品或服务。
结语金融行业是一个信息密集度较高的行业，知识图谱可以很好地帮助金融机构分析、挖掘数据，并实现更好的业务增长和风险管理。
知识图谱在金融领域的应用还有很多，我们相信，在未来不断推进人工智能技术的发展之下，知识图谱的应用前景更加广阔！。
知识图谱在金融领域的应用
知识图谱在金融领域的应用一、概述知识图谱是一种将不同领域知识关系整合在一起，形成一张图谱的新型数据表示方式。
从种类、属性、关系等方面进行了有机结合，能够为普通用户提供更直观、更丰富、更方便的图形化交互方式。
在金融领域的应用也越来越广泛，本文将从金融领域的不同场景切入，介绍知识图谱在金融领域的应用。
二、金融市场分析在金融市场分析中，知识图谱能够通过将不同社交传媒平台（如Twitter、Facebook等）的评论与新闻信息进行语义分析，整合出用户对于股票、基金等投资产品的看法和态度。
通过对这些评论和新闻进行情感评分，并将其与市场信息进行对比、整合，能够为投资者提供更全面、更准确的市场情报分析，并辅助调整投资部署。
三、金融风险控制金融风险控制是金融行业中最关键的问题之一，该领域的研究涉及到财务、项目管理、市场风险等多方面的问题。
知识图谱可以帮助金融机构绘制金融风险图谱，从而更有效地评估和控制风险。
通过将不同金融数据源的信息进行处理、整合，知识图谱系统能够归纳出不同风险之间的关系，对金融风险进行更深入、更全面的探讨。
四、金融知识交互在金融业务过程中，金融产品、业务、服务的复杂性和专业性很高，掌握知识点是基础。
知识图谱通过设计金融知识结构，呈现出更系统化、更有层次的金融知识结构，帮助用户更快速地了解新金融产品、服务和解决各种金融问题。
五、金融机器人金融机器人是金融领域自动化最重要的应用之一，其具有高效、智能、全天候等优势，能够对客户需求进行快速响应。
而在金融机器人中，知识图谱则是重要的知识基础。
通过将不同金融机器人需要的知识进行整理、分类，能够为机器人提供更准确、更高效的智能化服务。
知识图谱可提高机器人与客户的互动质量、机器人对客户需求处理的准确性、机器人的自主服务能力和扩展能力，从而提高金融机器人的使用价值和普及度。
六、总结知识图谱在金融领域的应用形式多样、场景广泛、前景较好。
通过对金融市场分析、金融风险控制、金融知识交互、金融机器人等多个领域的介绍，本文展示了知识图谱在金融领域的应用前景以及潜在的机遇。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
01金融知识图谱应用与发展02金融知识图谱建设方案03知识图谱对全投资业务支撑content目 录1©Transwarp Confidential04星环助力金融知识图谱落地05金融知识图谱案例介绍06金融知识图谱未来展望知识图谱应用的发展Ø产业链知识图谱Ø供应链知识图谱Ø股权链知识图谱Ø债权链知识图谱Ø担保链知识图谱知识图谱本质上是（S e m a n t i c N e t w o r k ）的知识库结合大量的数据储备和获取数据丰富来源，应用于的知识图谱技术应运而生在互联网金融兴起之后，针对的反欺诈（a n t i -f r a u d d e t e c t i o n ）图数据库技术的成熟，是由于复杂图计算的数据源在金融领域最为丰富，知识图谱场景，技术、企业爆发式增长2017201520122018至今Wikipedia Google Palantir Facebook paypal 支付宝Kensho Alpha sensethe emergence and development of entrepreneur in China知识图谱落地面临的问题Platform industry planning利润业务发展阶段1 数据源标准化适用图格式的数据源标准的三元组定义可获得的数据资源......单机版图数据库分布式图数据库RDF Store广度优先/深度优先……阶段2 图存储图计算技术阶段3 机器学习+图应用风险传播分析价值推理分析关联实体分析最终收益实体反洗钱、反欺诈……知识图谱底层技术——图数据库的成熟•截止2019年8月，图数据库在数据库引擎排名网站（DB-engines）已经处在数据存储技术的受欢迎度最高的位置成熟图计算应用领域•Real-Time Recommendations 实时推荐——智能营销，智能客服•Master Data Management 元数据管理——数据治理，智能运维•Identity and Access Management 认证与管控•Network and IT Operations 网络信息管理•Fraud Detection 反欺诈——内控风控•Anti Money Laundering / Tax Evasion 发洗钱/反逃税——法务合规•Graph-Based Search 图搜索•Knowledge Graphs 知识图谱•Graph Analytics and Algorithms 图分析图计算•Graph-powered Artificial Intelligence 基于图人工智能•Smart Homes 智慧家居•Internet of Things / Internet of Connected Things 物联网金融行业面临不是Big Data 而是Booming Data大数据时代下的投资，是拼获取信息能力，和处理信息能力新闻源众多，重复报道，真假难分，概要逻辑不清，更新过快，难以实时盯住财经资讯噪音过大，工作时间无暇顾及，海量舆情，舆情过热（羊群效应），病毒营销社交舆情大篇幅，文字多，非结构化，阅读耗时长，还有可能核心假设出问题，财务粉饰等研报财报金融场景知识图谱算法质押风险传导信用违约分析黑天鹤风险传导价值链推理算法利好利空情感分析时序推理证券基金行业知识图谱-数据治理结构化非实时数据Wind图谱数据同花顺产业链聚源数据工商数据供应商客户数据司法数据非结构化非实时数据企业信息披露研究报告财务报告协会报告结构化实时数据股票行情Level2商品行情非结构化实时数据7*24财经新闻微博微信公众号股吧论坛Twitter facebook数据抽取数据整合股东实际控制人董事、监事、高管子公司实体控股关系投资关系担保关系质押关系关系公司所属行业公司市值持股份额市场份额地区属性传播信号逻辑推理产业链图谱股权图谱债权图谱上市公司图谱担保图谱股权质押图谱数据清洗，NER 命名实体识别实时数据存储，数据清洗关系抽取、实体销歧NER命名实体识别以往我们看到的静态知识图谱结合实时数据和星环图计算技术的智慧图谱证券基金行业知识图谱-全栈技术实现路径数据源图数据存储层内部数据行情数据金融终端数据企业数据外部实时数据新闻数据舆情数据Slipstream流处理平台TDH大数据平台ETL图数据存储GraphRDF storeNoSQLSophonNLP自然语言处理StellarDB图数据库图数据展现层图数据计算层SophonKG Sophon/StellarDB(支持Cypher、Gremlin、Java）简单探索及可视化最大路径/最短路径相邻边广度优先/深度优先星状网络/社区发现金融场景图计算股权质押风险传导信用违约预警价值链推理时序推理证券基金行业知识图谱应用-智能信用主体追踪主体信息：•法人•行业•授信水平•董监高核心指标：•速动比率•债务额•债务久期关注标的池财报信批数据：•业绩承诺对比•审计意见•财务因子基于NLP事件驱动引擎预测&异动股价异动企业债异动风险舆情巨潮资讯热点资讯相关企业产业新闻可转债异动质押风险预警关联交易预警担保抵押预警模型层信用评级模型债务违约模型财务估值模型价值链传导模型自动项目报告偿债能力速动比率产业新闻风险事件估值水平信用情况以业务为导向，构建核心的知识图谱及应用风险知识图谱对金融机构全业务流程支撑架构发行承销债券包装资管产品：全业务流程风险监测、违约率、内控评级：债券知识图谱技术支持股权结构图担保链关系图债权结构图供应链结构图投资关系知识图谱SophonStellarDBSophonKG图谱分析应用自然语言处理风险图谱分析整体架构Sophon BaseSophon KGSophon Base知识建模知识建模知识存储知识计算内部数据Sophon BaseSlipstream二级市场数据国内网站国外网站知识获取实时计算文本入库关系抽取知识融合Search上市公司知识图谱一级市场知识图谱信用风险知识图谱构建分词库StellarDB多维知识图谱TransScrapySophon NLP知识图谱到“智能”图谱【万科：钜盛华将质押给银河证券的万科37,357,300股A 股办理解除质押】公告称，12月20日，钜盛华将持有并质押给中国银河证券股份有限公司的万科37,357,300股无限售流通 A 股办理解除质押。
截至12月20日，钜盛华通过普通证券账户直接持有公司A 股股票共计926,070,472股，占公司总股本的 8.39%；累计质押股数为 888,713,162 股，占公司总股本的 8.05%【千山药机实际控制人之一质押发生违约 被动减持59.3万股】 千山药机31日晚公告，公司收到公司实际控制人之一彭勋德的通知：彭勋德因股票质押发生违约，2018年7月30日质押权人证券公司已强制平仓了彭勋德质押的标的证券59.3万股，成交金额2,769,176元，平均成交价4.67元/股。
本次减持前，彭勋德持有公司股份460.53万股，占公司总股本的1.27%。
本次减持后，彭勋德持有公司股份401.23万股，占公司总股本的1.11%。
实时资讯数据流命名实体识别提取出文本中的实体(包括公司、人物、股份数值、日期等)a 公司：万科中国银河证券股份有限公司b 人物：钜盛华c 股份数值：37,357,300股926,070,472股8.39%888,713,162 股8.05%「事件类型：事件发生事件：12月20日上市公司：万科质押人：钜盛华质权人：中国银河证券股份有限公司质押股数：888,713,162 股股本占比：8.05%利害概率：命名实体识别提取出文本中的实体(包括公司、人物、股份数值、日期等)a公司：千山药机b 人物：彭勋德c 股份数值：59.3万股460.53万股401.23万股1.11%「事件类型：事件发生事件：2018年7月30日上市公司：千山药机质押人：彭勋德质押股数：59.3万 股股本占比：1.11%利害概率：万科A中国银河钜盛华股东出质正面舆情负面舆情彭勋德实控人千山药机资讯原数据命名实体识别关系抽取事件抽取利害分析情感判断星环产品多种金融数据源对接•星环的知识图谱可对接•金融终端的已购数据•wind数据库-知识图谱数据库•同花顺Ifind-产业链数据库•大智慧企业知识图谱•外部工商司法数据•文件等非结构化数据•结构化行情数据SophonKG构建风险知识图谱Schema股权质押时序分析风险传导分析风险实体定义价值链推理算法知识图谱分析应用-股权质押舆情分析完整的技术栈支持•完整图算法语言支持•支持Gremlin,Cypher,Java主流开发语言•自主研发的知识图谱和图数据库产品•可弹性扩展的分布式图存储计算技术•可支持千亿条点边关系的存储计算，领先当前现有图数据库对于大规模图的支持•星环自研图算法•反洗钱、反欺诈算法•价值链推理算法•风险传播算法•落地案例场景丰富•担保链，担保圈发现•反洗钱、交易反欺诈•交易模式识别•企业风险图谱StellarDB 图数据库p可视化图分析Sophon KG支持图谱、事件时间轴的可视化展示，支持数据的业务和时间筛选。
在关系网络中，可设置查询两个或多个实体之间的关系，可实现向上钻取和向下钻取，快速查看关联事件和关系。
p相似节点自动匹配Sophon KG运用多种计算方式，根据业务模板，支持自动进行数据关联和分类排列、自动匹配出最相关的节点用于分析。
p定制化模式模版KG内置了多种图探索模式，比如环形关系发现，社区发现等。
用户还可以结合Sophon Base的建模能力,自定义适用于金融场景的图网络，图算法，如：股权质押图谱信用风险图谱。
Gu a r d i a n StellarDB 分布式图数据库Distributed Graph Database SQL Query Ma nagerAPI & Console Distributed Graph Analytics Engine Distributed Graph Storage Engine Transwarp Operating System p 接口层 – 开源易用接口层包括TEoC 和StellarDB SQL。
TEoC (全称 Transwarp ExtendedopenCypher)是一种图查询语言,允许高效地查询更新图数据。
StellarDB SQL借助Transwarp Inceptor的计算能力，提供批量导入功能。
p 计算引擎 – 高效分布式计算引擎通过SQL封装了二十余种常见图算法。
通过SQL调用，可以避免对复杂图算法的重复开发。