知识图谱的反欺诈应用

。星环科技Sophon已经在金融等多个行业成功落地，在反洗钱、反欺诈、疫情防控、公共安全、企业级营销、保险知识智能问答等场景有着广泛的应用。同时星环科技在推动知识图谱技术创新和成功落地的过程中，也获得了知识图谱在医疗行业也有着广泛的应用。可以构建医疗专家、医学文献、临床数据等知识库，用于描述医疗领域中的医学概念、实体及其之间的关系。医疗知识图谱可以为医学研究、临床决策和医疗管理提供支持。医疗知识图谱的应用场景：疾病诊断和治疗方案推荐：医疗知识图谱通过整合各种医学领域的数据和知识，为医生提供更加准确和个性化的临床决策支持。疾病预测和风险评估：医疗知识图谱可以为医疗机构和保险机构提供更加全面和准确服务质量。星环知识图谱平台星环科技自主研发的知识图谱平台Sophon是一款覆盖知识全生命周期，集知识的采集、建模、融合、存储、计算及应用为一体的知识图谱产品。平台支持低代码图谱构建、智能化知识抽取、多的客户画像和风险评估，帮助机构提高业务效率和服务质量。医学研究：医疗知识图谱可以为医学研究提供更加全面和精准的医学知识和数据支持，帮助研究人员更好地发现疾病的机制和治疗方法。药物研发和推广：医疗知识图谱

知识全生命周期，集知识的采集、建模、融合、存储、计算和应用为一体，为用户提供全面的知识图谱解决方案。Sophon平台支持低代码图谱构建，使得用户能够以更快速、高效的方式构建知识图谱。同时，平台还具营销、保险知识智能问答等场景中有着广泛的应用。在推动知识图谱技术创新和成功落地的过程中，星环科技也受到了行业的肯定。公司入选Gartner白皮书和知识图谱选型与实施指南。这些标准的制定对于行业的规范发展起到了积极的推动作用。星环知识图谱平台Sophon为企业和机构在知识处理、智能决策等方面提供了强有力的支持。未来，星环科技将继续致力于知识图谱技术的创新和应用，为各行业提供更加智能化和个性化的解决方案，推动人工智能领域的进一步发展。知识图谱是近年来人工智能领域的热门技术之一，对于构建智能化系统和解决复杂问题具有重要意义。在众多知识图谱公司中，星环科技凭借自主研发的知识图谱平台Sophon，成为该领域的领先企业。Sophon覆盖、一致的知识图谱。平台还提供多形式知识计算和推理功能，通过对知识图谱中的数据进行分析和推理，帮助用户发现隐藏的模式和规律。除了具备技术上的优势，Sophon平台还从业务场景出发，积极沉淀金融、保险等

不同场景下的业务问题。星环科技Sophon已经在金融等多个行业成功落地，在反洗钱、反欺诈、疫情防控、公共安全、企业级营销、保险知识智能问答等场景有着广泛的应用。同时星环科技在推动知识图谱技术创新和成功落地管理欺诈识别、投资决策等金融应用。教育领域：知识图谱可以用于构建教育资源的智能检索系统，帮助学生和教师更好地获取和管理知识。以上只是知识图谱应用的一部分，随着技术的不断发展，将会有越来越多的领域应用知识图谱是一种结构化的数据模型，用于表示和存储各种实体之间的关系和属性。知识图谱被广泛应用于个领域，包括搜索引擎、自然语言处理、数据分析、机器学习等。以下是知识图谱的一些典型应用域：搜索引擎优化到知识图谱中。星环知识图谱平台-Sophon星环科技自主研发的知识图谱平台Sophon是一款覆盖知识全生命周期，集知识的采集、建模、融合、存储、计算及应用为一体的知识图谱产品。平台支持低代码图谱构建：知识图谱可以帮助搜索引擎更好地理解用户的查询意图，提供精确的搜索结果。问答系统：知识图谱可以用于构建智能问答系统，根据用户的问题从图谱中检索相关信息并给出答案。自然语言处理：知识图谱可以用于语义分析和

行业成功落地，在反洗钱、反欺诈、疫情防控、公共安全、企业级营销、保险知识智能问答等场景有着广泛的应用。同时星环科技在推动知识图谱技术创新和成功落地的过程中，也获得了多项荣誉和权威认可：入选Gartner知识图谱工具是一种帮助人们构建、存储和查询知识图谱的工具。知识图谱是一种以图形表示知识之间关联关系的数据结构，可以更好地组织和理解大量的复杂知识。知识图谱工具的应用范围十分广泛，下面具体介绍几个应用提供更好的解决方案。4、金融风险管理：金融领域的风险管理涉及到多方面的数据、知识和规则，利用了知识图谱工具可以实现对金融风险的智能分析和预测。5、医疗领域：知识图谱工具在医疗领域的应用，主要是将临床知识和病人数据结构化，并利用知识图谱的关联技术，提高医生或患者对医疗数据的理解和应用。知识图谱工具帮助人们构建、存储和查询知识图谱的工具，可用于各种领域的知识表示和推理。无论是社交网络分析、搜索引擎还是智能机器人，知识图谱工具都发挥了重要的作用。随着大数据和人工智能的快速发展，相信知识图谱工具将会越来越多地应用于各个领域，并为人们带来更好的智能化体验。星环知识图谱平台-Sophon星环科技自主研发的

星环知识图谱平台-Sophon星环知识图谱软件（Sophon）是一站式知识全生命周期的管理平台，是一款集知识的建模、抽取、融合、存储、计算、推理以及应用为一体的知识图谱产品。本平台支持低代码图谱构建以及知识应用和发布，Sophon对于知识的全生命周期管理进行了全链路的支撑与管理，同时基于拖拉拽的零代码知识图谱操作大大降低了知识图谱分析的使用门槛。多模态数据处理平台：Sophon支持多源、多方式、多、企业级营销、保险知识智能问答等场景有着广泛的应用。同时星环科技在推动知识图谱技术创新和成功落地的过程中，也获得了多项荣誉和权威认可：入选Gartner、智能化知识抽取、多模态知识存储、分布式图计算以及多维度的图谱分析。Sophon能提供什么？简单图谱构建：针对关联关系简单的知识图谱需求，如单一渠道的风险分析，用户可以使用Sophon的蓝图定义模块，所见即所得地拖拽出所需的实体和对应关联关系，完成图构建。同时，对特定场景，系统内置了蓝图和蓝图模板，用户只需将业务数据与蓝图模板做映射即可生成图谱。复杂图谱构建：针对复杂的知识图谱需求，如医药知识图谱

。星环科技Sophon已经在金融等多个行业成功落地，在反洗钱、反欺诈、疫情防控、公共安全、企业级营销、保险知识智能问答等场景有着广泛的应用。同时星环科技在推动知识图谱技术创新和成功落地的过程中，也获得了知识图谱在医疗行业也有着广泛的应用。可以构建医疗专家、医学文献、临床数据等知识库，用于描述医疗领域中的医学概念、实体及其之间的关系。医疗知识图谱可以为医学研究、临床决策和医疗管理提供支持。医疗知识图谱的应用场景：疾病诊断和治疗方案推荐：医疗知识图谱通过整合各种医学领域的数据和知识，为医生提供更加准确和个性化的临床决策支持。疾病预测和风险评估：医疗知识图谱可以为医疗机构和保险机构提供更加全面和准确服务质量。星环知识图谱平台星环科技自主研发的知识图谱平台Sophon是一款覆盖知识全生命周期，集知识的采集、建模、融合、存储、计算及应用为一体的知识图谱产品。平台支持低代码图谱构建、智能化知识抽取、多的客户画像和风险评估，帮助机构提高业务效率和服务质量。医学研究：医疗知识图谱可以为医学研究提供更加全面和精准的医学知识和数据支持，帮助研究人员更好地发现疾病的机制和治疗方法。药物研发和推广：医疗知识图谱

。星环科技Sophon已经在金融等多个行业成功落地，在反洗钱、反欺诈、疫情防控、公共安全、企业级营销、保险知识智能问答等场景有着广泛的应用。同时星环科技在推动知识图谱技术创新和成功落地的过程中，也获得了知识图谱在医疗行业也有着广泛的应用。可以构建医疗专家、医学文献、临床数据等知识库，用于描述医疗领域中的医学概念、实体及其之间的关系。医疗知识图谱可以为医学研究、临床决策和医疗管理提供支持。医疗知识图谱的应用场景：疾病诊断和治疗方案推荐：医疗知识图谱通过整合各种医学领域的数据和知识，为医生提供更加准确和个性化的临床决策支持。疾病预测和风险评估：医疗知识图谱可以为医疗机构和保险机构提供更加全面和准确服务质量。星环知识图谱平台星环科技自主研发的知识图谱平台Sophon是一款覆盖知识全生命周期，集知识的采集、建模、融合、存储、计算及应用为一体的知识图谱产品。平台支持低代码图谱构建、智能化知识抽取、多的客户画像和风险评估，帮助机构提高业务效率和服务质量。医学研究：医疗知识图谱可以为医学研究提供更加全面和精准的医学知识和数据支持，帮助研究人员更好地发现疾病的机制和治疗方法。药物研发和推广：医疗知识图谱

。星环科技Sophon已经在金融等多个行业成功落地，在反洗钱、反欺诈、疫情防控、公共安全、企业级营销、保险知识智能问答等场景有着广泛的应用。同时星环科技在推动知识图谱技术创新和成功落地的过程中，也获得了知识图谱在医疗行业也有着广泛的应用。可以构建医疗专家、医学文献、临床数据等知识库，用于描述医疗领域中的医学概念、实体及其之间的关系。医疗知识图谱可以为医学研究、临床决策和医疗管理提供支持。医疗知识图谱的应用场景：疾病诊断和治疗方案推荐：医疗知识图谱通过整合各种医学领域的数据和知识，为医生提供更加准确和个性化的临床决策支持。疾病预测和风险评估：医疗知识图谱可以为医疗机构和保险机构提供更加全面和准确服务质量。星环知识图谱平台星环科技自主研发的知识图谱平台Sophon是一款覆盖知识全生命周期，集知识的采集、建模、融合、存储、计算及应用为一体的知识图谱产品。平台支持低代码图谱构建、智能化知识抽取、多的客户画像和风险评估，帮助机构提高业务效率和服务质量。医学研究：医疗知识图谱可以为医学研究提供更加全面和精准的医学知识和数据支持，帮助研究人员更好地发现疾病的机制和治疗方法。药物研发和推广：医疗知识图谱

领域知识图谱是面向某一特定领域的知识图谱，强调知识的深度，通常需要基于该行业的数据库进行构建。领域知识图谱可以帮助人们更好地理解某一特定领域的知识结构和内在联系，支持推理和分析，为研究和应用提供有价值的参考。领域知识图谱的应用范围非常广泛，如：辅助搜索：知识图谱可以提供更精准的语义搜索，通过关键词扩展和实体链接，能够搜索到更全面的信息。辅助问答：知识图谱可以用于问答系统，通过对问题的语义解析及应用为一体的知识图谱产品。平台支持低代码图谱构建、智能化知识抽取、多模态知识存储与融合、多形式知识计算和推理以及多维度的图谱分析。除了具备链路完备性，平台还从业务场景出发，沉淀了金融、保险等场景的图有着广泛的应用。同时星环科技在推动知识图谱技术创新和成功落地的过程中，也获得了多项荣誉和权威认可：入选Gartner，匹配问句实体，能够提供更准确的答案。辅助大数据分析：在数据分析与决策过程中，知识图谱可以帮助理清各个因素之间的内在联系，提供更准确的决策支持。推荐计算：知识图谱可以用于推荐系统，通过概念层匹配，对用户

。星环科技Sophon已经在金融等多个行业成功落地，在反洗钱、反欺诈、疫情防控、公共安全、企业级营销、保险知识智能问答等场景有着广泛的应用。同时星环科技在推动知识图谱技术创新和成功落地的过程中，也获得了知识图谱在医疗行业也有着广泛的应用。可以构建医疗专家、医学文献、临床数据等知识库，用于描述医疗领域中的医学概念、实体及其之间的关系。医疗知识图谱可以为医学研究、临床决策和医疗管理提供支持。医疗知识图谱的应用场景：疾病诊断和治疗方案推荐：医疗知识图谱通过整合各种医学领域的数据和知识，为医生提供更加准确和个性化的临床决策支持。疾病预测和风险评估：医疗知识图谱可以为医疗机构和保险机构提供更加全面和准确服务质量。星环知识图谱平台星环科技自主研发的知识图谱平台Sophon是一款覆盖知识全生命周期，集知识的采集、建模、融合、存储、计算及应用为一体的知识图谱产品。平台支持低代码图谱构建、智能化知识抽取、多的客户画像和风险评估，帮助机构提高业务效率和服务质量。医学研究：医疗知识图谱可以为医学研究提供更加全面和精准的医学知识和数据支持，帮助研究人员更好地发现疾病的机制和治疗方法。药物研发和推广：医疗知识图谱

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...