金融机构利用图数据库技术构建知识图谱案例

知识图谱作为图数据库的底层应用，已服务于多种行业，可以开展智能问答、搜索、个性化推荐等应用，广受关注的 ChatGPT 就属于知识图谱的应用。在知识图谱的应用落地上，NLP 自然语言处理引擎、算法库影响着知识图谱的质量和实现。

金融机构可以利用图数据库技术构建知识图谱，将客户、账户、交易、风险、合规等相关信息进行整合形成一个图谱，可以更好地实现对客户360 度全景视图，更快地识别客户需求、风险和潜在机会。

应用案例：

为了满足企业级应用，某证券基于星环科技分布式图数据库StellarDB和知识图谱平台SophonKG，打造了企业级知识图谱平台。其中，知识图谱平台的图存储技术为自研KV存储，存储设计按照属性图模型设计，满足TB级存储需求。2023年5月，该证券公司完成知识图谱平台的扩容，并基于StellarDB 5.0进行架构升级。

基于知识图谱平台，该证券公司构建了同一客户集团画像、科创板关联发现、风险事件报告、全球企业关联图谱、产业链图谱、投研图谱、反洗钱与稽核图谱、元数据图谱等十余个应用。

例如元数据图谱，多跳(8+)的数据血缘某社区版查询不出结果，基于星环StellarDB的多跳计算能力和改进的expand算法，可以实现15跳内的数据血缘(溯源和影响性分析)。

尽管很多厂家都可以构造图谱，但是缺乏图数据库的算力支撑的图谱，效率是非常低下的。

利用星环StellarDB，建立全球企业关联图谱，将境外企业输出与境内企业融合，核心节点是企业、员工、关系人、产品、营收、行业、金融产品，共包括19种关系、3亿实体、4亿关系。这种图规模，是开源或者集中式图数据库是无法企及的。

通过NLP技术提取每条政策的核心观点和行业板块等，同时结合新闻舆情源的信息，对二者进行匹配和召回，计算政策影响因子值，通过产业链传播算法得到传播系数，结合图传播算法找到个股因子，回测效果相对收益达到25%。