CN110888930A - 基于知识图谱的金融知识查询服务接口设计与实现方法 - Google Patents

Abstract

本发明提供一种基于知识图谱的金融知识查询服务接口设计与实现方法，从自主构建的金融知识图谱中查询出金融实体和相关属性；根据金融领域的知识，定义三种查询接口的金融意义，三种查询接口包括股权关联查询、多层股权查询和环形持股查询；提供所述的三种查询接口的算法；利用知识图谱相关技术和相关图查询算法对所述的三种查询接口进行实现。本发明将金融领域与知识图谱进行紧密地结合，以知识图谱的形式表示复杂的金融关系，发挥各自领域的优势，适用于多种金融领域的查询服务，为智能应用的实现提供充分的知识关联，以智能应用需求为核心组织领域知识，提供准确高效的领域性查询服务。

Description

基于知识图谱的金融知识查询服务接口设计与实现方法

技术领域

本发明属于计算机应用技术领域，具体涉及一种基于知识图谱的金融知识查询服务接口设计与实现方法。

背景技术

大数据和人工智能的兴起，促使金融业向智能金融转型。知识图谱是具有语义处理与信息互联互通能力的知识库，它是人工智能技术的重要组成部分。其本质上是一种基于图的数据结构，由有关联的节点和边组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络。利用图数据处理技术挖掘潜在关联关系，有效支持新的知识发现和利用。每一类数据不再仅仅是数据，而是具有可联系、可追溯、可扩展的图谱，将隐藏的逻辑关系快速呈现出来。然而，在我国金融业，大数据的积累还不够，被标注的金融数据语料库更加稀缺。面对海量多源异构数据，需要知识图谱强大的语义处理能力和开放的数据组织能力，把知识图谱应用到具体的金融行业。金融知识图谱可以支持大规模金融领域的多种智能应用，特别是基于金融知识图的股权网络，满足股权风险控制的需求。股权结构是金融领域的一个重要特征。研究股权结构在企业治理中的首要意义是为相关部门的决策和管理提供相关的实证证据，尤其是对我国上市公司股权结构的优化和企业治理结构的完善具有重要的借鉴意义。

现有金融领域查询接口大都以关系型数据库作为支撑，虽然在集合查询方面比较方便而且由于SQL语言的支持较为稳定安全。但金融机构数据规模庞大，实体关系丰富且计算复杂，因此需要以成熟的图数据库技术作为优先并与传统关系型数据库结合。可以使用的gStore图数据库或者neo4j图数据库，相对于传统的关系型数据库mysql，图数据库有更加友好的可视化界面以及关系计算功能，查询效率更加高效。可以把金融业务看成“问题—推理—答案”的组合，业务部门关心一个行业趋势，包括哪些企业、哪些关联行业和企业、关联关系和程度等一系列问题；同理，风险管理部门关心风险传导、合规检查等问题。这些都能通过知识图谱进行智能化的决策辅助。

分析可知，现有的方法忽略了金融领域特定的实际问题，忽略了智能应用对图查询算法的驱动作用，以及查询算法对智能应用的支撑能力，无法保证查询接口能准确并快速满足最终的应用需求。首先，金融领域特别是股权关系的查询研究比较少，而且很难在构建知识图谱的基础上把金融知识和图算法相结合，实时满足应用需求的变化。此外，现有方法忽略了知识图谱和传统算法结合以及金融领域和知识图谱的结合，更多是以关系型数据库进行查询，传统关系型数据库查询存在问题，不利于分析金融实体间的关系。由于金融数据量庞大，如果只使用关系型数据库那么这其中就会有很多表之间的join操作，很难表示企业之间复杂的股权关系，查询效率也比较缓慢。

在金融行业中，数据是异常重要的资源，同时数据中存在大量实体和关系。有效的整合多种外部数据并结合银行内部数据，将数据中的实体和关系建立连接可以突破传统的计算模式，深度整合金融行业现有数据，更有效地预警潜在风险，帮助金融行业各项业务提升效率发挥价值。金融智能应用的实现基础是对金融领域知识全面而准确的表示，以便于机器能够处理和理解领域知识。因而，如何增强知识对金融智能应用的表示能力，是金融智能领域的重要研究课题。

发明内容

本发明要解决的技术问题是：提供一种基于知识图谱的金融知识查询服务接口设计与实现方法，能够快速实现大数据量的查询，对大规模知识图谱实现准确、高效、鲁棒的查询，同时具有金融领域的语义标签，解决金融知识查询服务接口方法不足以支持智能应用的问题。

本发明为解决上述技术问题所采取的技术方案为：一种基于知识图谱的金融知识查询服务接口设计与实现方法，其特征在于：本方法包括以下步骤：

S1、从自主构建的金融知识图谱中查询出金融实体和相关属性；根据金融领域的知识，定义三种查询接口的金融意义，三种查询接口包括股权关联查询、多层股权查询和环形持股查询；

S2、提供所述的三种查询接口的算法；

S3、利用知识图谱相关技术和相关图查询算法对所述的三种查询接口进行实现。

按上述方法，三种查询接口的金融意义具体为：

所述的股权关联查询指查询企业、金融机构或个人之间的所有权关系以及持股与被持股之间的关系；所述的个人为股东或监事；识别两企业控制与被控制之间的关系，进而判断控制的程度；在金融知识图谱中，利用图遍历算法找到企业之间所有的关联路径，衡量企业之间的亲密度；

所述的多层股权查询指查询企业间的股权结构的关系，并涉及银行；

所述的环形持股查询指查询相邻两家企业互相持有对方企业股权，或两家公司之间存在多家公司形成一个环路的现象。

按上述方法，所述的S2中，股权关联查询算法采用SPARQL深度优先遍历的算法。

按上述方法，股权关联查询算法具体为：在带权有向图Gc＝{Vc,Ec中，Vc为金融知识图谱中的节点集，Vc＝{v1,v2,...vn}，v1-vn为金融知识图谱中的节点，结点枚举出来有三种情况：企业、金融机构、自然人；Ec表示为节点之间的边集，Ec＝(vi,vj)|i≠j,1≤i,j≤n}，表示vi持有vj的股份，vi和vj均为金融知识图谱中的节点；通过输入两个查询节点及跳数，得到两个查询节点之间所有的路径。

按上述方法，股权关联查询算法中的查询，通过在构建出的金融知识图谱中使用SPARQL语句实现，支持多跳之内所有的股权关联查询。

按上述方法，所述的S2中，多层股权查询算法采用改进的广度优先遍历算法。

按上述方法，多层股权查询算法具体为：在带权有向图Gp＝{Vp,Ep}，权是指持股比例，方向是某家公司a持有另一家公司b的股份，或者是某家公司a被另一家公司b持股；由一个中心顶点Vs，即输入的要查询的公司和它相关的多层顶点Vin和Vd以及顶点之间的有方向边Ep组成；

Vp是顶点的有限集合，Vp＝{Vs,Vin,Vd}；Ep是边的有向集合，Ep＝{(vj,vi)(vi,vj)|vi,vj∈V}，用两个顶点的有序对表示；若(vj,vi)是有向集合Ep中的一条边，称顶点vi邻接到顶点vj，顶点vj邻接自顶点vi，边(vj,vi)与顶点vi和vj相关联。

按上述方法，所述的S2中，环形持股查询算法采用SPARQL实现环路寻找。

按上述方法，环形持股查询算法具体为：在带权有向图Gl＝{Vl,El}中，权是指持股比例，方向是指某家公司持有另一家公司的股份；由一个核心节点Vsa和核心节点通过持股关系向外延伸的关系组成的网络；

Vl是所有节点的有限集合Vl＝{Vsa,Ve}，包含核心节点Vsa以及和它相关的其他节点Ve，如果存在着环路那么环路上的节点记为Vo；El是边的有向集合El＝{(vi,vj)|vi,vj∈V}，用两个顶点的有序对表示，其中Eo表示存在于环路中边的集合，<vi,vj>表示从顶点vi到vj的一条有向边，vi是边的起点，vj是边的终点；交叉持股的边的方向只定义为一种方向。

按上述方法，所述的S3具体采用RESTful架构，REST表示表现层状态转化；每一个URI代表一种资源，URI中不含有动词，动词放在HTTP协议中；客户端和服务器之间存在传递这种资源的某种表现层，客户端通过四个HTTP动词对服务器端资源进行操作，实现表现层状态转化；

其中GET用来获取资源，POST用来新建资源和更新资源，PUT用来更新资源，DELETE用来删除资源；

所有接口遵循HTTP协议，根据接口的不同需选择不同的GET调用方式，返回数据为JSON格式；应用程序接口提供参数，过滤返回结果；其中limit指定返回记录的数量，offset指定返回记录的开始位置，page指定第几页，per_page每页的记录数，sortby指定返回结果按照哪个属性排序，order排序顺序。

本发明的有益效果为：本发明将金融领域与知识图谱进行紧密地结合，以知识图谱的形式表示复杂的金融关系，发挥各自领域的优势，适用于多种金融领域的查询服务，为智能应用的实现提供充分的知识关联，以智能应用需求为核心组织领域知识，提供准确高效的领域性查询服务。

附图说明

图1为本发明一实施例的流程图。

图2为本发明一实施例的股权关联实现图。

具体实施方式

下面结合具体实例和附图对本发明做进一步说明。

本发明提供一种基于知识图谱的金融知识查询服务接口设计与实现方法，本发明采用递进式结构，先分析智能应用对查询接口的要求，再根据接口的金融意义进行算法的设计和实现，最后依据算法和图查询语句实现智能查询接口并评估是否满足金融实际需求。如图1所示，本方法包括以下步骤：

S1、从自主构建的金融知识图谱中查询出金融实体和相关属性；根据金融领域的知识，定义三种查询接口的金融意义，三种查询接口包括股权关联查询、多层股权查询和环形持股查询。

具体而言，股权关联查询主要指企业、金融机构或个人(股东、监事)之间的所有权关系以及持股与被持股之间的关系；识别两企业控制与被控制之间的关系，进而判断控制的程度。在金融知识图谱中，利用图遍历算法可以方便地找到企业之间所有的关联路径，衡量企业之间的亲密度。从财务的角度，我们可以更深入地发现查询站相关性的财务价值。企业在产业资本发展到一定阶段，突破产业与金融业的界限，寻求与经营、金融等金融机构的协同价值，是企业的一种战略行为。

多层股权结构主要是涉及的就是企业间的股权结构的关系，而且涉及银行等机构。不同的股权结构决定了不同的企业组织结构，从而决定了不同的企业治理结构，最终决定了企业的行为和绩效。通过对多层股权的查询可以很清晰的看出不同公司股权的层级关系，对于了解公司之间的持股关系有着重要影响。金融领域数据量十分庞大，而且金融体系主体繁多。实现股权“穿透式”监管，获取最终持股人信息，对于复杂股权网络下隐形控制实体(群)还原，最终协助金融主管部门进行系统性金融风险的识别、防范与化解。

环形持股是可以是相邻两家企业互相持有对方企业股权，也可以是两家公司之间存在多家公司形成一个环路的一种现象，它具有虚增资本、妨害市场交易秩序、歪曲公司治理结构等风险，因此找出存在环形持股的公司对发现金融风险有着重要意义。

S2、提供所述的三种查询接口的算法，能够满足金融领域的实际需求。

股权关联查询是指在带权有向图Gc＝{Vc,Ec}中,V为金融知识图谱中的节点集，V＝{v1,v2,...vn}，结点枚举出来有三种情况:企业、金融机构、自然人(自然人只有持股的关系即出度)；E表示为节点之间的边集，Ec＝(vi,vj)|i≠j,1≤i,j≤n},表示vi持有vj的股份。输入两个查询点A,B以及查询的跳数hop，查询输出两个节点之间所有路径P。查询可以在构建出的金融知识图谱中使用SPARQL语句实现，支持多跳之内所有的股权关联查询。但是如果两个公司之间存在太多跳数关联那么这两家公司的关系就变得不是那么紧密。输入两个查询节点和跳数即可查询出所有相关结果，具体的SPARQL语句如下，查询跳数是五跳。

SELECT*

WHERE

{

{<A><prop>？x.}UNION{？x<prop><A>.}

{？x<prop>？y.}UNION{？y<prop>？x.}

{？y<prop>？z.}UNION{？z<prop>？y.}

{？z<prop><B>.}UNION{？z<prop><B>.}

}

多层股权结构本质上是一个带权有向图记为Gp＝{Vp,Ep}，权是指持股比例，方向可以是某家公司a持有另一家公司b的股份(a→b)，也可以是某家公司a被另一家公司b持股(a←b)。由一个中心顶点Vs，即输入的要查询的公司和它相关的多层顶点Vin和Vd以及顶点之间的有方向边Ep组成。Vp是顶点的有限集合，Vp＝{Vs,Vin,Vd}；Ep是边的有向集合，Ep＝{(vj,vi)(vi,vj)|vi,vj∈V}，用两个顶点的有序对表示。若(vj,vi)是有向图E中的一条边，称顶点vi邻接到顶点vj，顶点vj邻接自顶点vi，边(vj,vi)与顶点vi和vj相关联。查找顶点<V>的邻接顶点的SPARQL语句是：

SELECT？v WHERE

{

{<V><prop>？v.}

}

多层股权结构的实现不同于单纯的广度优先遍历算法，具有特殊性，其遍历是开始于某个固定顶点同时有一个固定边界即终止条件。因为要划分具体的层数，所以边具有固定的方向性。在广度优先遍历中，要求先被访问的顶点其邻接点也被优先访问，可以利用SPARQL语句来实现对邻接点的寻找，递归的进行查询，一层一层的寻找邻接顶点直到无邻接顶点出现。因此，必须对每个顶点的访问顺序进行记录，以便后面按此顺序访问各顶点的邻接点。同时对边做摘要处理，保证没有跨层边即有一个明显的层级结构，比如某一节点v既在第二层又在第三层，根据离中心点距离删除二三层之间的边。查询具体算法如下：

Input:Agraph G,a starting vertex start_v of Graph and Level of inputdepthOutput:The hierarchy of input nodes start_v

环形持股结构也是一个带权有向图记为Gl＝{Vl,El}，权是指持股比例，方向是指某家公司持有另一家公司的股份。由一个核心节点Vsa(输入的公司)和核心节点通过持股关系向外延伸的关系组成的网络。Vl是所有节点的有限集合Vl＝{Vsa,Ve}，包含核心节点Vsa以及和它相关的其他节点Ve，如果存在着环路那么环路上的节点记为Vo；El是边的有向集合El＝{(vi,vj)|vi,vj∈V}，用两个顶点的有序对表示，其中Eo表示存在于环路中边的集合，<vi,vj>表示从顶点vi到vj的一条有向边，vi是边的起点，vj是边的终点。交叉持股的边的方向可以只是定义为一种方向，因为交叉持股的重点是对于输入的顶点之间是否存在环路，如果存在环路那么就一定可以做到一个顶点既是边的终点又是边的起点。输入一个点是否存在于环路中，可以直接查询自主构建的金融知识图谱，利用相关的SPARQL语句来实现。具体SPARQL语句如下，表示五跳环路。

S3、利用知识图谱相关技术和相关图查询算法对所述的三种查询接口进行实现。

通过查询以图数据库gstore和neo4j为基础的知识图谱以及关系型数据库中的数据并结合我们现有的平台架构，利用可用的数据资源，可以构建出一套完整的应用程序接口，尽可能把金融领域尤其是银行的所有实体和关系整理出来，以便用于接口的调用，主要的方向还是金融应用服务。主要采用的是RESTful架构，REST表示表现层状态转化。每一个URI代表一种资源，URI中不含有动词，动词应该放在HTTP协议中。客户端和服务器之间存在传递这种资源的某种表现层，客户端通过四个HTTP动词对服务器端资源进行操作，实现表现层状态转化。其中GET用来获取资源，POST用来新建资源(也可以用于更新资源)，PUT用来更新资源，DELETE用来删除资源。所有接口遵循HTTP协议，根据接口的不同需选择不同的GET调用方式，返回数据为JSON格式。如果记录数量很多，服务器不可能都将它们返回给用户。应用程序接口应该提供参数，过滤返回结果。其中limit指定返回记录的数量，offset指定返回记录的开始位置，page指定第几页，per_page每页的记录数，sortby指定返回结果按照哪个属性排序，order排序顺序。三种接口具体的设计如下：

1.股权关联查询

接口使用：根据输入两家企业的企业名称以及查询跳数返回两家企业之间固定跳数的所有有持股关系的企业。

输入参数：企业1名称A、企业2名称B、查询跳数hop

输出参数：

节点参数：

1)企业名称name

2)企业信用码credit_no

边的参数：

1)持股公司source

2)被持股公司target

3)关系hold2.多层股权查询

接口使用：根据输入企业的企业名称、股权层次以及持股方向返回企业持股关系的层级结构。

输入参数：企业名称V，节点层次depth，方向direction(有三个正确输入up,down或both up表示向上结构，down表示向下结构，both表示所有结构)。

输出参数：

节点参数：

1)企业或自然人名称name

2)节点类型(1代表公司2代表自然人)type

3)企业信用码或自然人身份证credit_no

4)股东方向(up代表被持股，down代表持股)direction

5)层数depth

边的参数：

1)持股公司或自然人source

2)被持股公司target

3)关系hold3.环形持股查询

接口使用：根据输入企业的企业名称和查询跳数返回企业之间存在环形持股关系的结构。

输入参数：企业名称Vsa、查询跳数hop

输出参数：若存在环形持股，返回true；若不存在，返回false。

节点参数：

1)企业名称name

2)企业信用码credit_no

边的参数：

1)持股公司source

2)被持股公司target

3)关系hold

本发明把实现的基于知识图谱的金融知识查询服务接口成功应用在自主开发的网站上，不仅可以提供查询服务，同时还可以直接批量调用接口，网站中的知识关联查询示意图如图2所示。基于股权结构构建的大规模知识图谱，利用图数据管理关键技术对知识图谱实现准确、高效的查询与管理，从而对金融领域提供智能知识服务，实现对资本市场的股权关联查询、多层股权结构以及交叉持股结构的发现与揭示，为金融行业提供精准可靠的营销及风控，高效梳理关系网络，构建关联公司风险传导的监控预警，助力金融行业向智能金融迈进。

本发明提出的基于知识图谱的金融知识查询服务接口设计与实现方法，能够快速实现大数据量的查询，对大规模知识图谱实现准确、高效、鲁棒的查询与管理，同时具有金融领域的语义标签，解决上述查询接口方法不足以支持智能应用的问题，实现对资本市场的股权关联查询，多层股权结构的发现与揭示，并提出基于知识关联的股权结构模式发现算法，对环形持股的股权结构进行准确发现，对金融风险进行一定程度的识别与防范。

以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (10)

1.一种基于知识图谱的金融知识查询服务接口设计与实现方法，其特征在于：本方法包括以下步骤：

S1、从自主构建的金融知识图谱中查询出金融实体和相关属性；根据金融领域的知识，定义三种查询接口的金融意义，三种查询接口包括股权关联查询、多层股权查询和环形持股查询；

S2、提供所述的三种查询接口的算法；

S3、利用知识图谱相关技术和相关图查询算法对所述的三种查询接口进行实现。

2.根据权利要求1所述的方法，其特征在于：三种查询接口的金融意义具体为：

所述的股权关联查询指查询企业、金融机构或个人之间的所有权关系以及持股与被持股之间的关系；所述的个人为股东或监事；识别两企业控制与被控制之间的关系，进而判断控制的程度；在金融知识图谱中，利用图遍历算法找到企业之间所有的关联路径，衡量企业之间的亲密度；

所述的多层股权查询指查询企业间的股权结构的关系，并涉及银行；

所述的环形持股查询指查询相邻两家企业互相持有对方企业股权，或两家公司之间存在多家公司形成一个环路的现象。

3.根据权利要求1所述的方法，其特征在于：所述的S2中，股权关联查询算法采用SPARQL深度优先遍历的算法。

4.根据权利要求3所述的方法，其特征在于：股权关联查询算法具体为：在带权有向图Gc＝{Vc，Ec}中，Vc为金融知识图谱中的节点集，Vc＝{v1，v2，...vn}，v1-vn为金融知识图谱中的节点，结点枚举出来有三种情况：企业、金融机构、自然人；Ec表示为节点之间的边集，Ec＝(vi，vj)|i≠j，1≤i，j≤n}，表示vi持有vj的股份，vi和vj均为金融知识图谱中的节点；通过输入两个查询节点及跳数，得到两个查询节点之间所有的路径。

5.根据权利要求4所述的方法，其特征在于：股权关联查询算法中的查询，通过在构建出的金融知识图谱中使用SPARQL语句实现，支持多跳之内所有的股权关联查询。

6.根据权利要求1所述的方法，其特征在于：所述的S2中，多层股权查询算法采用改进的广度优先遍历算法。

7.根据权利要求6所述的方法，其特征在于：多层股权查询算法具体为：在带权有向图Gp＝{Vp，Ep}，权是指持股比例，方向是某家公司a持有另一家公司b的股份，或者是某家公司a被另一家公司b持股；由一个中心顶点Vs，即输入的要查询的公司和它相关的多层顶点Vin和Vd以及顶点之间的有方向边Ep组成；

Vp是顶点的有限集合，Vp＝{Vs，Vin，Vd}；Ep是边的有向集合，Ep＝{(vj，vi)(vi，vj)|vi，vj∈V}，用两个顶点的有序对表示；若(vj，vi)是有向集合Ep中的一条边，称顶点vi邻接到顶点vj，顶点vj邻接自顶点vi，边(vj，vi)与顶点vi和vj相关联。

8.根据权利要求1所述的方法，其特征在于：所述的S2中，环形持股查询算法采用SPARQL实现环路寻找。

9.根据权利要求8所述的方法，其特征在于：环形持股查询算法具体为：在带权有向图Gl＝{Vl，El}中，权是指持股比例，方向是指某家公司持有另一家公司的股份；由一个核心节点Vsa和核心节点通过持股关系向外延伸的关系组成的网络；

Vl是所有节点的有限集合Vl＝{Vsa，Ve}，包含核心节点Vsa以及和它相关的其他节点Ve，如果存在着环路那么环路上的节点记为Vo；El是边的有向集合El＝{(vi，vj)|vi，vj∈V}，用两个顶点的有序对表示，其中Eo表示存在于环路中边的集合，＜vi，vj＞表示从顶点vi到vj的一条有向边，vi是边的起点，vj是边的终点；交叉持股的边的方向只定义为一种方向。

10.根据权利要求1所述的方法，其特征在于：所述的S3具体采用RESTful架构，REST表示表现层状态转化；每一个URI代表一种资源，URI中不含有动词，动词放在HTTP协议中；客户端和服务器之间存在传递这种资源的某种表现层，客户端通过四个HTTP动词对服务器端资源进行操作，实现表现层状态转化；

其中GET用来获取资源，POST用来新建资源和更新资源，PUT用来更新资源，DELETE用来删除资源；

所有接口遵循HTTP协议，根据接口的不同需选择不同的GET调用方式，返回数据为JSON格式；应用程序接口提供参数，过滤返回结果；其中limit指定返回记录的数量，offset指定返回记录的开始位置，page指定第几页，per_page每页的记录数，sortby指定返回结果按照哪个属性排序，order排序顺序。

Images