領(lǐng)域知識圖譜的技術(shù)和應(yīng)用

...wd......wd......wd...領(lǐng)域應(yīng)用|知識圖譜的技術(shù)與應(yīng)用本文轉(zhuǎn)載自公眾號：貪心科技。領(lǐng)域應(yīng)用|知識圖譜的技術(shù)與應(yīng)用李文哲開放知識圖譜1周前本文轉(zhuǎn)載自公眾號：貪心科技。作者|李文哲，人工智能、知識圖譜領(lǐng)域?qū)＜覍ёx：從一開場的Google搜索，到現(xiàn)在的聊天機器人、大數(shù)據(jù)風控、證券投資、智能醫(yī)療、自適應(yīng)教育、推薦系統(tǒng)，無一不跟知識圖譜相關(guān)。它在技術(shù)領(lǐng)域的熱度也在逐年上升。本文以通俗易懂的方式來講解知識圖譜相關(guān)的知識、尤其對從零開場搭建知識圖譜過程當中需要經(jīng)歷的步驟以及每個階段需要考慮的問題都給予了比較詳細的解釋。對于讀者，我們不要求有任何AI相關(guān)的背景知識。目錄：概論什么是知識圖譜知識圖譜的表示知識抽取知識圖譜的存儲金融知識圖譜的搭建定義具體的業(yè)務(wù)問題數(shù)據(jù)收集&預處理知識圖譜的設(shè)計把數(shù)據(jù)存入知識圖譜上層應(yīng)用的開發(fā)知識圖譜在其他行業(yè)中的應(yīng)用實踐上的幾點建議結(jié)語1.概論隨著移動互聯(lián)網(wǎng)的開展，萬物互聯(lián)成為了可能，這種互聯(lián)所產(chǎn)生的數(shù)據(jù)也在爆發(fā)式地增長，而且這些數(shù)據(jù)恰好可以作為分析關(guān)系的有效原料。如果說以往的智能分析專注在每一個個體上，在移動互聯(lián)網(wǎng)時代那么除了個體，這種個體之間的關(guān)系也必然成為我們需要深入分析的很重要一局部。在一項任務(wù)中，只要有關(guān)系分析的需求，知識圖譜就“有可能〞派的上用場。2.什么是知識圖譜知識圖譜是由Google公司在2012年提出來的一個新的概念。從學術(shù)的角度，我們可以對知識圖譜給一個這樣的定義：“知識圖譜本質(zhì)上是語義網(wǎng)絡(luò)〔SemanticNetwork〕的知識庫〞。但這有點抽象，所以換個角度，從實際應(yīng)用的角度出發(fā)其實可以簡單地把知識圖譜理解成多關(guān)系圖〔Multi-relationalGraph〕。那什么叫多關(guān)系圖呢學過數(shù)據(jù)構(gòu)造的都應(yīng)該知道什么是圖〔Graph〕。圖是由節(jié)點〔Vertex〕和邊〔Edge〕來構(gòu)成，但這些圖通常只包含一種類型的節(jié)點和邊。但相反，多關(guān)系圖一般包含多種類型的節(jié)點和多種類型的邊。比方左以以下圖表示一個經(jīng)典的圖構(gòu)造，右邊的圖那么表示多關(guān)系圖，因為圖里包含了多種類型的節(jié)點和邊。這些類型由不同的顏色來標記。在知識圖譜里，我們通常用“實體〔Entity〕〞來表達圖里的節(jié)點、用“關(guān)系〔Relation〕〞來表達圖里的“邊〞。實體指的是現(xiàn)實世界中的事物比方人、地名、概念、藥物、公司等，關(guān)系那么用來表達不同實體之間的某種聯(lián)系，比方人-“居住在〞-北京、張三和李四是“朋友〞、邏輯回歸是深度學習的“先導知識〞等等?，F(xiàn)實世界中的很多場景非常適合用知識圖譜來表達。比方一個社交網(wǎng)絡(luò)圖譜里，我們既可以有“人〞的實體，也可以包含“公司〞實體。人和人之間的關(guān)系可以是“朋友〞，也可以是“同事〞關(guān)系。人和公司之間的關(guān)系可以是“現(xiàn)任職〞或者“曾任職〞的關(guān)系。類似的，一個風控知識圖譜可以包含“〞、“公司〞的實體，和之間的關(guān)系可以是“通話〞關(guān)系，而且每個公司它也會有固定的。3.知識圖譜的表示知識圖譜應(yīng)用的前提是已經(jīng)構(gòu)建好了知識圖譜，也可以把它認為是一個知識庫。這也是為什么它可以用來答復一些搜索相關(guān)問題的原因，比方在Google搜索引擎里輸入“WhoisthewifeofBillGates?〞，我們直接可以得到答案-“MelindaGates〞。這是因為我們在系統(tǒng)層面上已經(jīng)創(chuàng)立好了一個包含“BillGates〞和“MelindaGates〞的實體以及他倆之間關(guān)系的知識庫。所以，當我們執(zhí)行搜索的時候，就可以通過關(guān)鍵詞提取〔〞BillGates〞,“MelindaGates〞,“wife〞〕以及知識庫上的匹配可以直接獲得最終的答案。這種搜索方式跟傳統(tǒng)的搜索引擎是不一樣的，一個傳統(tǒng)的搜索引擎它返回的是網(wǎng)頁、而不是最終的答案，所以就多了一層用戶自己篩選并過濾信息的過程。在現(xiàn)實世界中，實體和關(guān)系也會擁有各自的屬性，比方人可以有“姓名〞和“年齡〞。當一個知識圖譜擁有屬性時，我們可以用屬性圖〔PropertyGraph〕來表示。下面的圖表示一個簡單的屬性圖。李明和李飛是父子關(guān)系，并且李明擁有一個138開頭的號，這個號開通時間是2018年，其中2018年就可以作為關(guān)系的屬性。類似的，李明本人也帶有一些屬性值比方年齡為25歲、職位是總經(jīng)理等。這種屬性圖的表達很貼近現(xiàn)實生活中的場景，也可以很好地描述業(yè)務(wù)中所包含的邏輯。除了屬性圖，知識圖譜也可以用RDF來表示，它是由很多的三元組〔Triples〕來組成。RDF在設(shè)計上的主要特點是易于發(fā)布和分享數(shù)據(jù)，但不支持實體或關(guān)系擁有屬性，如果非要加上屬性，那么在設(shè)計上需要做一些修改。目前來看，RDF主要還是用于學術(shù)的場景，在工業(yè)界我們更多的還是采用圖數(shù)據(jù)庫〔比方用來存儲屬性圖〕的方式。感興趣的讀者可以參考RDF的相關(guān)文獻，在文本里不多做解釋。4.知識抽取知識圖譜的構(gòu)建是后續(xù)應(yīng)用的根基，而且構(gòu)建的前提是需要把數(shù)據(jù)從不同的數(shù)據(jù)源中抽取出來。對于垂直領(lǐng)域的知識圖譜來說，它們的數(shù)據(jù)源主要來自兩種渠道：一種是業(yè)務(wù)本身的數(shù)據(jù)，這局部數(shù)據(jù)通常包含在公司內(nèi)的數(shù)據(jù)庫表并以構(gòu)造化的方式存儲；另一種是網(wǎng)絡(luò)上公開、抓取的數(shù)據(jù)，這些數(shù)據(jù)通常是以網(wǎng)頁的形式存在所以是非構(gòu)造化的數(shù)據(jù)。前者一般只需要簡單預處理即可以作為后續(xù)AI系統(tǒng)的輸入，但后者一般需要借助于自然語言處理等技術(shù)來提取出構(gòu)造化信息。比方在上面的搜索例子里，BillGates和MalindaGate的關(guān)系就可以從非構(gòu)造化數(shù)據(jù)中提煉出來，比方維基百科等數(shù)據(jù)源。信息抽取的難點在于處理非構(gòu)造化數(shù)據(jù)。在下面的圖中，我們給出了一個實例。左邊是一段非構(gòu)造化的英文文本，右邊是從這些文本中抽取出來的實體和關(guān)系。在構(gòu)建類似的圖譜過程當中，主要涉及以下幾個方面的自然語言處理技術(shù)：a.實體命名識別〔NameEntityRecognition〕b.關(guān)系抽取〔RelationExtraction〕c.實體統(tǒng)一〔EntityResolution〕d.指代消解〔CoreferenceResolution〕下面針對每一項技術(shù)解決的問題做簡單的描述，以至于這些是具體怎么實現(xiàn)的，不在這里一一展開，感興趣的讀者可以查閱相關(guān)資料，或者學習我的課程。首先是實體命名識別，就是從文本里提取出實體并對每個實體做分類/打標簽：比方從上述文本里，我們可以提取出實體-“NYC〞，并標記實體類型為“Location〞；我們也可以從中提取出“Virgil’sBBQ〞，并標記實體類型為“Restarant〞。這種過程稱之為實體命名識別，這是一項相比照擬成熟的技術(shù)，有一些現(xiàn)成的工具可以用來做這件事情。其次，我們可以通過關(guān)系抽取技術(shù)，把實體間的關(guān)系從文本中提取出來，比方實體“hotel〞和“Hiltonproperty〞之間的關(guān)系為“in〞；“hotel〞和“TimeSquare〞的關(guān)系為“near〞等等。另外，在實體命名識別和關(guān)系抽取過程中，有兩個比較棘手的問題：一個是實體統(tǒng)一，也就是說有些實體寫法上不一樣，但其實是指向同一個實體。比方“NYC〞和“NewYork〞外表上是不同的字符串，但其實指的都是紐約這個城市，需要合并。實體統(tǒng)一不僅可以減少實體的種類，也可以降低圖譜的稀疏性〔Sparsity〕；另一個問題是指代消解，也是文本中出現(xiàn)的“it〞,“he〞,“she〞這些詞到底指向哪個實體，比方在本文里兩個被標記出來的“it〞都指向“hotel〞這個實體。實體統(tǒng)一和指代消解問題相對于前兩個問題更具有挑戰(zhàn)性。5.知識圖譜的存儲知識圖譜主要有兩種存儲方式：一種是基于RDF的存儲；另一種是基于圖數(shù)據(jù)庫的存儲。它們之間的區(qū)別如以以下圖所示。RDF一個重要的設(shè)計原那么是數(shù)據(jù)的易發(fā)布以及共享，圖數(shù)據(jù)庫那么把重點放在了高效的圖查詢和搜索上。其次，RDF以三元組的方式來存儲數(shù)據(jù)而且不包含屬性信息，但圖數(shù)據(jù)庫一般以屬性圖為基本的表示形式，所以實體和關(guān)系可以包含屬性，這就意味著更容易表達現(xiàn)實的業(yè)務(wù)場景。根據(jù)最新的統(tǒng)計〔2018年上半年〕，圖數(shù)據(jù)庫仍然是增長最快的存儲系統(tǒng)。相反，關(guān)系型數(shù)據(jù)庫的增長基本保持在一個穩(wěn)定的水平。同時，我們也列出了常用的圖數(shù)據(jù)庫系統(tǒng)以及他們最新使用情況的排名。其中Neo4j系統(tǒng)目前仍是使用率最高的圖數(shù)據(jù)庫，它擁有活潑的社區(qū)，而且系統(tǒng)本身的查詢效率高，但唯一的缺乏就是不支持準分布式。相反，OrientDB和JanusGraph〔原Titan〕支持分布式，但這些系統(tǒng)相對較新，社區(qū)不如Neo4j活潑，這也就意味著使用過程當中不可防止地會遇到一些刺手的問題。如果選擇使用RDF的存儲系統(tǒng)，Jena或許一個比較不錯的選擇。6.金融知識圖譜的搭建接下來我們看一個實際的具體案例，講解怎么一步步搭建可落地的金融風控領(lǐng)域的知識圖譜系統(tǒng)。首先需要說明的一點是，有可能不少人認為搭建一個知識圖譜系統(tǒng)的重點在于算法和開發(fā)。但事實并不是想象中的那樣，其實最重要的核心在于對業(yè)務(wù)的理解以及對知識圖譜本身的設(shè)計，這就類似于對于一個業(yè)務(wù)系統(tǒng)，數(shù)據(jù)庫表的設(shè)計尤其關(guān)鍵，而且這種設(shè)計絕對離不開對業(yè)務(wù)的深入理解以及對未來業(yè)務(wù)場景變化的預估。當然，在這里我們先不討論數(shù)據(jù)的重要性。一個完整的知識圖譜的構(gòu)建包含以下幾個步驟：1.定義具體的業(yè)務(wù)問題

2.數(shù)據(jù)的收集&預處理

3.知識圖譜的設(shè)計

4.把數(shù)據(jù)存入知識圖譜

5.上層應(yīng)用的開發(fā)，以及系統(tǒng)的評估。下面我們就按照這個流程來講一下每個步驟所需要做的事情以及需要思考的問題。6.1定義具體的業(yè)務(wù)問題在P2P網(wǎng)貸環(huán)境下，最核心的問題是風控，也就是怎么去評估一個借款人的風險。在線上的環(huán)境下，欺詐風險尤其為嚴重，而且很多這種風險隱藏在復雜的關(guān)系網(wǎng)絡(luò)之中，而且知識圖譜正好是為這類問題所設(shè)計的，所以我們“有可能〞期待它能在欺詐，這個問題上帶來一些價值。在進入下一個話題的討論之前，要明確的一點是，對于自身的業(yè)務(wù)問題到底需不需要知識圖譜系統(tǒng)的支持。因為在很多的實際場景，即使對關(guān)系的分析有一定的需求，實際上也可以利用傳統(tǒng)數(shù)據(jù)庫來完成分析的。所以為了防止使用知識圖譜而選擇知識圖譜，以及更好的技術(shù)選型，以下給出了幾點總結(jié)，供參考。6.2數(shù)據(jù)收集&預處理下一步就是要確定數(shù)據(jù)源以及做必要的數(shù)據(jù)預處理。針對于數(shù)據(jù)源，我們需要考慮以下幾點：1.我們已經(jīng)有哪些數(shù)據(jù)2.雖然現(xiàn)在沒有，但有可能拿到哪些數(shù)據(jù)3.

其中哪局部數(shù)據(jù)可以用來降低風險4.哪局部數(shù)據(jù)可以用來構(gòu)建知識圖譜在這里需要說明的一點是，并不是所有跟反欺詐相關(guān)的數(shù)據(jù)都必須要進入知識圖譜，對于這局部的一些決策原那么在接下來的局部會有比較詳細的介紹。對于反欺詐，有幾個數(shù)據(jù)源是我們很容易想得到的，包括用戶的基本信息、行為數(shù)據(jù)、運營商數(shù)據(jù)、網(wǎng)絡(luò)上的公開信息等等。假設(shè)我們已經(jīng)有了一個數(shù)據(jù)源的列表清單，那么下一步就要看哪些數(shù)據(jù)需要進一步的處理，比方對于非構(gòu)造化數(shù)據(jù)我們或多或少都需要用到跟自然語言處理相關(guān)的技術(shù)。用戶填寫的基本信息基本上會存儲在業(yè)務(wù)表里，除了個別字段需要進一步處理，很多字段那么直接可以用于建?；蛘咛砑拥街R圖譜系統(tǒng)里。對于行為數(shù)據(jù)來說，我們那么需要通過一些簡單的處理，并從中提取有效的信息比方“用戶在某個頁面停留時長〞等等。對于網(wǎng)絡(luò)上公開的網(wǎng)頁數(shù)據(jù)，那么需要一些信息抽取相關(guān)的技術(shù)。舉個例子，對于用戶的基本信息，我們很可能需要如下的操作。一方面，用戶信息比方姓名、年齡、學歷等字段可以直接從構(gòu)造化數(shù)據(jù)庫中提取并使用。但另一方面，對于填寫的公司名來說，我們有可能需要做進一步的處理。比方局部用戶填寫“北京貪心科技〞，另外一局部用戶填寫“北京望京貪心科技〞，其實指向的都是同一家公司。所以，這時候我們需要做公司名的對齊，用到的技術(shù)細節(jié)可以參考前面講到的實體對齊技術(shù)。6.3知識圖譜的設(shè)計圖譜的設(shè)計是一門藝術(shù)，不僅要對業(yè)務(wù)有很深的理解、也需要對未來業(yè)務(wù)可能的變化有一定預估，從而設(shè)計出最貼近現(xiàn)狀并且性能高效的系統(tǒng)。在知識圖譜設(shè)計的問題上，我們肯定會面臨以下幾個常見的問題：1.需要哪些實體、關(guān)系和屬性2.

哪些屬性可以做為實體，哪些實體可以作為屬性3.哪些信息不需要放在知識圖譜中

基于這些常見的問題，我們從以往的設(shè)計經(jīng)歷中抽象出了一系列的設(shè)計原那么。這些設(shè)計原那么就類似于傳統(tǒng)數(shù)據(jù)庫設(shè)計中的范式，來引導相關(guān)人員設(shè)計出更合理的知識圖譜系統(tǒng)，同時保證系統(tǒng)的高效性。接下來，我們舉幾個簡單的例子來說明其中的一些原那么。首先是，業(yè)務(wù)原那么〔BusinessPrinciple〕，它的含義是“一切要從業(yè)務(wù)邏輯出發(fā)，并且通過觀察知識圖譜的設(shè)計也很容易推測其背后業(yè)務(wù)的邏輯，而且設(shè)計時也要想好未來業(yè)務(wù)可能的變化〞。舉個例子，可以觀察一下下面這個圖譜，并試問自己背后的業(yè)務(wù)邏輯是什么。通過一番觀察，其實也很難看出到底業(yè)務(wù)流程是什么樣的。做個簡單的解釋，這里的實體-“申請〞意思就是application，如果對這個領(lǐng)域有所了解，其實就是進件實體。在下面的圖中，申請和實體之間的“has_phone〞，“parentphone〞是什么意思呢接下來再看一下下面的圖，跟之前的區(qū)別在于我們把申請人從原有的屬性中抽取出來并設(shè)置成了一個單獨的實體。在這種情況下，整個業(yè)務(wù)邏輯就變得很清晰，我們很容易看出張三申請了兩個貸款，而且張三擁有兩個手機號，在申請其中一個貸款的時候他填寫了父母的號?？偠灾?，一個好的設(shè)計很容易讓人看到業(yè)務(wù)本身的邏輯。接下來再看一個原那么叫做效率原那么〔EfficiencyPrinciple〕。效率原那么讓知識圖譜盡量輕量化、并決定哪些數(shù)據(jù)放在知識圖譜，哪些數(shù)據(jù)不需要放在知識圖譜。在這里舉一個簡單的類比，在經(jīng)典的計算機存儲系統(tǒng)中，我們經(jīng)常會談?wù)摰絻?nèi)存和硬盤，內(nèi)存作為高效的訪問載體，作為所有程序運行的關(guān)鍵。這種存儲上的層次構(gòu)造設(shè)計源于數(shù)據(jù)的局部性-“l(fā)ocality〞，也就是說經(jīng)常被訪問到的數(shù)據(jù)集中在某一個區(qū)塊上，所以這局部數(shù)據(jù)可以放到內(nèi)存中來提升訪問的效率。類似的邏輯也可以應(yīng)用到知識圖譜的設(shè)計上：我們把常用的信息存放在知識圖譜中，把那些訪問頻率不高，對關(guān)系分析無關(guān)緊要的信息放在傳統(tǒng)的關(guān)系型數(shù)據(jù)庫當中。效率原那么的核心在于把知識圖譜設(shè)計成小而輕的存儲載體。比方在下面的知識圖譜中，我們完全可以把一些信息比方“年齡〞，“家鄉(xiāng)〞放到傳統(tǒng)的關(guān)系型數(shù)據(jù)庫當中，因為這些數(shù)據(jù)對于：a.分析關(guān)系來說沒有太多作用

b.

訪問頻率低，放在知識圖譜上反而影響效率另外，從分析原那么〔AnalyticsPrinciple〕的角度，我們不需要把跟關(guān)系分析無關(guān)的實體放在圖譜當中；從冗余原那么〔RedundancyPrinciple〕的角度，有些重復性信息、高頻信息可以放到傳統(tǒng)數(shù)據(jù)庫當中。6.4把數(shù)據(jù)存入知識圖譜存儲上我們要面臨存儲系統(tǒng)的選擇，但由于我們設(shè)計的知識圖譜帶有屬性，圖數(shù)據(jù)庫可以作為首選。但至于選擇哪個圖數(shù)據(jù)庫也要看業(yè)務(wù)量以及對效率的要求。如果數(shù)據(jù)量特別龐大，那么Neo4j很可能滿足不了業(yè)務(wù)的需求，這時候不得不去選擇支持準分布式的系統(tǒng)比方OrientDB,JanusGraph等，或者通過效率、冗余原那么把信息存放在傳統(tǒng)數(shù)據(jù)庫中，從而減少知識圖譜所承載的信息量。通常來講，對于10億節(jié)點以下規(guī)模的圖譜來說Neo4j已經(jīng)足夠了。6.5上層應(yīng)用的開發(fā)等我們構(gòu)建好知識圖譜之后，接下來就要使用它來解決具體的問題。對于風控知識圖譜來說，首要任務(wù)就是挖掘關(guān)系網(wǎng)絡(luò)中隱藏的欺詐風險。從算法的角度來講，有兩種不同的場景：一種是基于規(guī)那么的；另一種是基于概率的。鑒于目前AI技術(shù)的現(xiàn)狀，基于規(guī)那么的方法論還是在垂直領(lǐng)域的應(yīng)用中占據(jù)主導地位，但隨著數(shù)據(jù)量的增加以及方法論的提升，基于概率的模型也將會逐步帶來更大的價值。6.5.1基于規(guī)那么的方法論首先，我們來看幾個基于規(guī)那么的應(yīng)用，分別是不一致性驗證、基于規(guī)那么的特征提取、基于模式的判斷。不一致性驗證為了判斷關(guān)系網(wǎng)絡(luò)中存在的風險，一種簡單的方法就是做不一致性驗證，也就是通過一些規(guī)那么去找出潛在的矛盾點。這些規(guī)那么是以人為的方式提前定義好的，所以在設(shè)計規(guī)那么這個事情上需要一些業(yè)務(wù)的知識。比方在下面的這個圖中，李明和李飛兩個人都注明了同樣的公司，但實際上從數(shù)據(jù)庫中判斷這倆人其實在不同的公司上班，這就是一個矛盾點。類似的規(guī)那么其實可以有很多，不在這里一一列出?；谝?guī)那么提取特征我們也可以基于規(guī)那么從知識圖譜中提取一些特征，而且這些特征一般基于深度的搜索比方2度，3度甚至更高維度。比方我們可以問一個這樣的問題：“申請人二度關(guān)系里有多少個實體觸碰了黑名單〞，從圖中我們很容觀察到二度關(guān)系中有兩個實體觸碰了黑名單〔黑名單由紅色來標記〕。等這些特征被提取之后，一般可以作為風險模型的輸入。在此還是想說明一點，如果特征并不涉及深度的關(guān)系，其實傳統(tǒng)的關(guān)系型數(shù)據(jù)庫那么足以滿足需求?；谀Ｊ降呐袛噙@種方法比較適用于找出團體欺詐，它的核心在于通過一些模式來找到有可能存在風險的團體或者子圖〔sub-graph〕，然后對這局部子圖做進一步的分析。這種模式有很多種，在這里舉幾個簡單的例子。比方在以以下圖中，三個實體共享了很多其他的信息，我們可以看做是一個團體，并對其做進一步的分析。再比方，我們也可以從知識圖譜中找出強連通圖，并把它標記出來，然后做進一步風險分析。強連通圖意味著每一個節(jié)點都可以通過某種路徑到達其他的點，也就說明這些節(jié)點之間有很強的關(guān)系。6.5.2基于概率的方法除了基于規(guī)那么的方法，也可以使用概率統(tǒng)計的方法。比方社區(qū)挖掘、標簽傳播、聚類等技術(shù)都屬于這個范疇。對于這類技術(shù)，在本文里不做詳細的講解，感興趣的讀者可以參考相關(guān)文獻。社區(qū)挖掘算法的目的在于從圖中找出一些社區(qū)。對于社區(qū)，我們可以有多種定義，但直觀上可以理解為社區(qū)內(nèi)節(jié)點之間關(guān)系的密度要明顯大于社區(qū)之間的關(guān)系密度。下面的圖表示社區(qū)發(fā)現(xiàn)之后的結(jié)果，圖中總共標記了三個不同的社區(qū)。一旦我們得到這些社區(qū)之后，就可以做進一步的風險分析。由于社區(qū)挖掘是基于概率的方法論，好處在于不需要人為地去定義規(guī)那么，特別是對于一個龐大的關(guān)系網(wǎng)絡(luò)來說，定義規(guī)那么這事情本身是一件很復雜的事情。標簽傳播算法的核心思想在于節(jié)點之間信息的傳遞。這就類似于，跟優(yōu)秀的人在一起自己也會逐漸地變優(yōu)秀是一個道理。因為通過這種關(guān)系會不斷地吸取高質(zhì)量的信息，最后使得自己也會不知不覺中變得更加優(yōu)秀。具體細節(jié)不在這里做更多解釋。相比規(guī)那么的方法論，基于概率的方法的缺點在于：需要足夠多的數(shù)據(jù)。如果數(shù)據(jù)量很少，而且整個圖譜比較稀疏〔Sparse〕，基于規(guī)那么的方法可以成為我們的首選。尤其是對于金融領(lǐng)域來說，數(shù)據(jù)標簽會比較少，這也是為什么基于規(guī)那么的方法論還是更普遍地應(yīng)用在金融領(lǐng)域中的主要原因。6.5.3基于動態(tài)網(wǎng)絡(luò)的分析以上所有的分析都是基于靜態(tài)的關(guān)系圖譜。所謂的靜態(tài)關(guān)系圖譜，意味著我們不考慮圖譜構(gòu)造本身隨時間的變化，只是聚焦在當前知識圖譜構(gòu)造上。然而，我們也知道圖譜的構(gòu)造是隨時間變化的，而且這些變化本身也可以跟風險有所關(guān)聯(lián)。在下面的圖中，我們給出了一個知識圖譜T時刻和T+1時刻的構(gòu)造，我們很容易看出在這兩個時刻中間，圖譜構(gòu)造〔或者局部構(gòu)造〕發(fā)生了很明顯的變化，這其實暗示著潛在的風險。那怎么去判斷這些構(gòu)造上的變化呢感興趣的讀者可以查閱跟“dynamicnetworkmining〞相關(guān)的文獻。7.知識圖譜在其他行業(yè)中的應(yīng)用除了金融領(lǐng)域，知識圖譜的應(yīng)用可以涉及到很多其他的行業(yè)，包括醫(yī)療、教育、證券投資、推薦等等。其實，只要有關(guān)系存在，那么有知識圖譜可發(fā)揮價值的地方。在這里簡單舉幾個垂直行業(yè)中的應(yīng)用。比方對于教育行業(yè)，我們經(jīng)常談?wù)搨€性化教育、因材施教的理念。其核心在于理解學生當前的知識體系，而且這種知識體系依賴于我們所獲取到的數(shù)據(jù)比方交互數(shù)據(jù)、評測數(shù)據(jù)、互動數(shù)據(jù)等等。為了分析學習路徑以及知識構(gòu)造，我們那么需要針對于一個領(lǐng)域的概念知識圖譜，簡單來講就是概念拓撲構(gòu)造。在下面的圖中，我們給出了一個非常簡單的概念圖譜：比方為了學習邏輯回歸那么需要先理解線性回歸；為了學習CNN，得對神經(jīng)網(wǎng)絡(luò)有所理解等等。所有對學生的評測、互動分析都離不開概念圖譜這個底層的數(shù)據(jù)。在證券領(lǐng)域，我們經(jīng)常會關(guān)心比方“一個事件發(fā)生了，對哪些公司產(chǎn)生什么樣的影響〞比方有一個負面消息是關(guān)于公司1的高管，而且我們知道公司1和公司2有種很密切的