第二章 金融知识图谱基础

好，咱们进入正题。这一章聊的是金融知识图谱的基础。说白了，就是搞清楚知识图谱到底是个啥，金融领域的知识图谱怎么搭，以及实体和关系怎么定义。

我刚开始接触这个方向时，也觉得很抽象。后来在项目中踩过几次坑，才慢慢摸到门道。今天我把这些经验掰开揉碎了讲给你听。

2.1 知识图谱概念

知识图谱，你可以把它想象成一张巨大的网。网上的每个节点是一个实体，节点之间的连线就是关系。比如「阿里巴巴」和「马云」之间有一条线，叫「创始人」。

为什么要用知识图谱？因为传统的关系型数据库处理不了复杂的关联查询。你想想看，要查「马云担任董事长的所有公司中，哪些公司投资了蚂蚁集团」，用SQL写出来得多少行？但在知识图谱里，这只是一次图遍历。

举个例子：

三元组：(阿里巴巴, 创始人, 马云)
三元组：(蚂蚁集团, 母公司, 阿里巴巴)
三元组：(马云, 担任职位, 董事长)  // 在蚂蚁集团

这三个三元组连起来，就能回答「马云和蚂蚁集团是什么关系」这类问题。嗯，这里要注意，关系是有方向的。从「马云」到「蚂蚁集团」是「担任职位」，反过来就是「职位由谁担任」。

我个人习惯把知识图谱分成三层：

• 模式层（Schema）：定义实体类型和关系类型。比如「公司」「人物」「职位」是实体类型，「创始人」「投资」「担任」是关系类型。
• 数据层（Data）：具体的实体实例和关系实例。比如「阿里巴巴」是「公司」类型的一个实例。
• 应用层（Application）：基于图谱做的各种应用，比如智能搜索、风险控制、推荐系统。

我在项目中遇到过一个问题：模式层设计得太细，导致数据层维护成本极高。后来我学乖了，模式层尽量保持简洁，能覆盖90%的场景就行，剩下的10%用特殊处理。

2.2 金融知识图谱的构建

金融领域的知识图谱，跟通用知识图谱不太一样。金融数据的特点是：

• 时效性强：昨天的财报和今天的股价，可能天差地别。
• 准确性要求高：一个实体链接错了，可能导致投资决策失误。
• 关系复杂：股权穿透、担保链条、关联交易，这些关系能绕晕你。

构建流程一般分四步：

1. 数据采集：从财报、公告、新闻、研报中抽取结构化数据。
2. 实体抽取：识别出文本中的公司名、人名、产品名等。
3. 关系抽取：判断实体之间是什么关系。比如「A公司持有B公司30%股份」。
4. 实体链接与消歧：把抽取到的实体映射到知识图谱中已有的实体上。这是最头疼的一步，也是咱们这门课的重点。

下面这张图展示了金融知识图谱的构建流程：

构建过程中，有个坑我必须要提。我曾经在抽取实体时，把「中国银行」和「中国人民银行」搞混了。前者是商业银行，后者是央行。这两个实体在知识图谱里必须分开，否则后续的推理全乱套。这就是实体消歧要解决的问题。

2.3 实体与关系的定义

实体和关系是知识图谱的基石。定义得好不好，直接决定了图谱的质量。

实体类型：在金融领域，常见的实体类型包括：

• 公司：上市公司、非上市公司、子公司、母公司。
• 人物：高管、股东、实控人、董事。
• 金融产品：股票、债券、基金、保险。
• 事件：并购、增发、分红、违约。
• 概念：行业、板块、指数。

关系类型：关系定义了实体之间的语义连接。比如：

关系名称	头实体	尾实体	示例
持股	公司/人物	公司	阿里巴巴持股蚂蚁集团
担任职位	人物	公司	张勇担任阿里巴巴CEO
担保	公司	公司	母公司为子公司担保
关联交易	公司	公司	A公司与B公司发生关联交易
所属行业	公司	行业	腾讯所属互联网行业

定义关系时，我建议遵循一个原则：关系要可验证。什么意思？就是每个关系都应该能从公开数据中找到证据。比如「持股」关系，必须有工商登记信息或公告作为支撑。不能凭感觉定义关系。

举个例子，假设我们要构建一个「上市公司股权穿透」的子图：

实体类型：
- 上市公司（属性：股票代码、总股本、市值）
- 股东（属性：持股比例、持股数量）
- 实控人（属性：控制方式、控制比例）

关系类型：
- 上市公司 --[由...持股]--> 股东
- 股东 --[实际控制]--> 上市公司
- 实控人 --[控制]--> 上市公司

你看，这个子图就能回答「谁在控制这家公司」「前十大股东是谁」这类问题。说白了，知识图谱的价值就在于这种关联查询能力。

最后说一句，实体和关系的定义不是一成不变的。随着业务的发展，你可能需要新增实体类型或关系类型。我建议在设计时预留扩展接口，比如用属性字段来存储一些临时关系，等稳定后再正式纳入模式层。

好了，这一章就到这里。记住，知识图谱的核心是「实体-关系-实体」的三元组结构。金融领域的特殊性在于数据质量要求高、关系复杂、时效性强。下一章咱们会深入讲实体链接的具体技术，到时候见。

---

公众号:蓝海资料掘金营，微信deep3321