金融知识图谱构建全流程实战

📚 共计 30 章节

金融知识图谱概述

什么是知识图谱 · 金融为什么需要知识图谱 · 典型应用场景：风控、投研、监管

知识图谱核心技术栈概览

知识抽取 · 知识融合 · 知识存储 · 知识推理 · 知识可视化

技术栈全景

金融数据源分析

结构化数据(数据库表) · 半结构化(JSON/XML) · 非结构化(研报、新闻、公告)

数据源金融

金融本体建模

实体定义(公司、人物、产品、事件) · 关系定义(投资、控股、任职) · 属性定义

命名实体识别(NER)基础

基于规则 · 统计方法(CRF) · 深度学习方法(BiLSTM-CRF, BERT)

金融领域NER实战

使用HanLP进行金融实体识别 · 自定义词典与模型微调

关系抽取技术

基于模板 · 远程监督 · 预训练模型的关系抽取

关系抽取范式

金融关系抽取实战

从公司公告中抽取「控股」「投资」「担保」关系

属性抽取与事件抽取

金融事件抽取(并购、上市、违约) · 属性值归一化

知识融合之实体对齐

为什么需要实体对齐 · 基于相似度/图的对齐方法

实体对齐实战

使用Python进行公司名称消歧(阿里巴巴 vs 阿里集团)

知识融合之属性融合

冲突检测 · 数据质量评估 · 多源数据合并策略

图数据库选型

Neo4j vs JanusGraph vs NebulaGraph · 金融场景选择建议

图数据库选型

Cypher查询语言基础 · 节点与关系创建 · 索引与约束

金融知识图谱数据导入

从CSV/JSON批量导入Neo4j · 使用LOAD CSV命令

Python操作Neo4j

py2neo库的使用 · 批量写入与查询优化

知识存储之RDF与SPARQL

RDF三元组基础 · Apache Jena简介 · SPARQL查询示例

知识推理基础

基于规则的推理(Drools) · 基于本体(OWL) · 基于图(路径分析)

金融推理实战

股权穿透分析 · 关联交易发现 · 风险传导路径挖掘

图算法在金融中的应用

PageRank(公司影响力) · 社区发现(关联方识别) · 最短路径(资金流向)

图算法金融

知识图谱可视化

D3.js基础 · Neo4j Browser可视化 · ECharts关系图绘制

金融知识图谱问答系统(KGQA)

基于模板 · 语义解析 · 检索的问答

构建一个简单的「公司股权结构问答」系统

知识图谱评估

准确率 · 召回率 · F1-score · 人工评估方法

知识图谱运维

增量更新策略 · 版本管理 · 数据一致性保证

金融知识图谱项目实战(上)

需求分析 · 数据采集 · 本体设计

金融知识图谱项目实战(中)

知识抽取流水线搭建 · 知识融合与存储

流水线融合

金融知识图谱项目实战(下)

应用开发(风险预警、智能搜索) · 部署上线

前沿技术：LLM+知识图谱

大语言模型在知识图谱中的应用 · GraphRAG · 知识图谱与大模型融合

课程总结与职业发展

知识图谱工程师技能树 · 学习路径推荐 · 行业趋势展望