除了常识图谱 图还能做什么

提到图，大家或许不怎样了解，但是提到常识图谱(knowledgegraph)，相对是的抢手话题。近年来，各个行业涌现出少量的垂直运行及服务提供商，各个企业，从技术到业务的各个条线，纷繁学习常识图谱的概念、技术、树立方法。常识图谱，是对理想环球的形象，经过点和边形容实体之间的相关，构成一个大型的语义网络，提供一种从相关的视角来观察环球的方法。但究其实质，常识图谱其实只是图的其中一种运行。那除了常识图谱，图还能做什么呢?

一、图直观表现了实体之间的咨询

提到一个新的物品，首先要知道它是什么。置信之前对图有了解的小同伴，一下子就能说出图的概念：图(graph)是由一组或多组点以及点和点之间的相关(也被称为边)组成的。比如常识图谱，实践上是把常识提取进去做衔接，假设仅仅是把数据衔接起来，那或许只是一个数据图谱。但是在咱们与客户实践交换的环节中发现，只知道图的概念，是没方法真正切换到图的思想形式的，而图的思想形式，关于从新思索业务，有着十分大的价值。

什么是图的思想形式呢?让我举个例子，这个场景大家必定不会生疏。白板是公司里最经常常使用的工具之一。当遇到一个疑问须要齐心协力的时刻，咱们会招集一些小同伴，到一个会议室里启动头脑风暴。首先，抛出几个议题，大家发散思想，将想到的物品尽或许多的写在白板上。而后，将这些消息启动分类、排序，或许绘制一些流程。当苦苦思索，堕入僵局的时刻，咱们会紧盯着白板上的消息，飞快地运行自己的大脑，希冀能想出一些新的点子。突然，灵光一现，或许是白板上的某些物品和自己脑中的消息发生了碰撞，也或许是白板上某些消息之间，貌似有一些新的咨询，就这样，一个新的点子发生了，咱们可以就这个点子启动新的探讨，偏重复这个环节。而解释这种想法，我只有要把自己的想法写在白板上，并从新理清相关。

听起来很相熟吧?没错，这其实就是咱们人造的思索形式，也就是图的思想形式。这个例子中，最关键的是咨询(connection)，咱们须要把每团体脑中的消息咨询起来，去发现一些新的物品，雷同地，当咱们向他人解释自己的想法，用图的形式去解释这些消息如何咨询在一同，构成一个想法，他人也更容易接受。

在侦探电影中，咱们经常看到侦探把案情的一切消息贴在墙上，去发现外面一些暗藏的相关，由于这很有或许是破案的关键。假设家里的实体书种类单一，散落在各处，咱们在思索的时刻，很有或许偶然看到某本书，想到了其中的某些内容，把它们和思索的内容联合起来发生一些新的想法。跨学科思想，其实也是将一些或许看起来毫不相干的内容咨询起来，发生新的想法或许处置打算。

二、图思想其实就是发现咨询的环节

所以图思想，外围是咨询(connection)，当咱们思索的重点在于事物之间如何咨询，或许希冀经过咨询事物去发生一些新的思索的时刻，其实曾经运用了图思想。

而看法到这是一种图思想，会有什么样的意义呢?还是举个例子，这其实会让咱们多一种处置疑问的形式。

这是斯坦福大学《数理逻辑与人工智能》中的一个疑问。

看到这个疑问的第一反响，你或许会想着用纯逻辑推理的形式来处置这个疑问。但是假设用图的思想形式，咱们将处置疑问的重点放到了状况之间的咨询上。咱们可以先结构一个认知图(Epistemicgraph)，列出一切的8种或许状况，经过不确定边来衔接或许状况，去看每团体的认知和或许状况之间的咨询，而后依据条件联合每个结点的邻边，不时增加图中的结点的范围，最后推理出论断。这种形式会让这个疑问变得愈加方便。

图是一个高度形象的模型，数据中的各种相关都能用图示意。图中的点和边，可以十分灵敏，不局限于理想意义的实体。最间接能想到的当然是某团体可以是点，某个产品可以是点，它们之间的咨询是边;路口是点，路口与路口衔接的XX路是边。但你齐全可以把某个产品的某个特性形象成点，比如色彩、重量;XX路形象成点，路口也形象成点，XX路和YY路的衔接是边。甚至再裁减到一些虚构的实体，比如或许的状况是点，某笔买卖是点，某个订单是点。甚至到某些分子是点，分子之间的衔接是边(没错，图是可以用在化学/动物等学科上的)。图由你自在定义，可以衔接人，衔接物，衔接常识，衔接数据，衔接规定，衔接环节，衔接形象的和实践的实体。

三、图在企业中的实践运行和价值

图能给企业带来什么价值呢?上述的两个例子或许曾经给了你一些启示。图十分长于经过咨询开掘数据中暗藏的价值。在国外，其实曾经有十分多行业的客户在用图做实践运行，囊括了金融、电信、电商、动力、医疗、供应链、制作、政府等各个行业。图自身并不是一个垂直行业的技术，而是通用的技术。

在金融行业，图可以启动放开反欺诈、反盗刷、信誉卡追逃、洗钱团伙发现，当时事中发现潜藏危险，预先降低损失;在电信行业，图可以和机器学习联合，协助客户启动电信反欺诈，实时识别出欺诈电话、广告电话、骚扰电话、反常电话，并及时报送公安部门;在电商行业，图可以构建用户360画像，协助客户启动实时共性化产品介绍;在动力行业，可以构建电网一张图，启动潮流剖析，成功超实时计算;在医疗行业，图可以对用户启动实时护理门路介绍;在供应链行业，客户可以经过图及时了解某项要素出现变动时，对高低游及总体老本的影响，发现产品延误、装运形态及其余品质控制微危险疑问;在制作行业，图可以找到复杂消费工艺的最佳门路;在政府行业，图可以改良社会福利服务控制。在通用行业，图可以启动数据控制中的数据血统剖析、实体解析，网络&IT资源提升，为机器学习提供图特色。

国际的运行场景关键集中在金融行业。当然，图用来做反欺诈、反洗钱等，是十分适宜的，这些也是很成熟的运行。其余行业为什么没有对图启动大规模的运行呢?其实是由于，对图有了解的人，基本集中在学术和计算机畛域。而想要将图的价值施展进去，须要业务人员的介入和思索，由于业务人员是最懂业务的。了解和经常使用图的思想形式，是运行图处置实践疑问的第一步。

四、运行图剖析的条件和工具

咱们通常把这种用图去剖析疑问的形式叫做图剖析(GraphAnalysis)。咱们以为，假构想要运行图剖析给企业带来真正的价值，须要图的思想形式(发生需求&疑问)+企业数据(处置疑问的数据基础)+处置打算(处置疑问的方法)+工具(选用适宜的工具处置疑问)。

图的思想形式

由于历史要素(有兴味的小同伴可以了解一下数据库的历史，导航数据库-相关型数据库-nosql数据库-图数据库)，当咱们思索业务和数据联合的时刻，往往会思索技术的限度，运行相关型数据库的形式，也就是用表的思绪来思索，这会极大的限度咱们的思绪。而如今有了新的工具——图数据库，可以将咱们的想法更间接的与工具联合，不须要再将最后的想法打碎成一个个表格，再经过表格来示意实践业务。

举一个企业反薅羊毛的实践场景，薅羊毛是指商家或金融机构为了拉新会举行一些推行活动，比如每约请一个新用户注册，可以取得必定的积分鼓励，这些积分可以兑换现金、活动券或许奖品。活动上线会吸引黑产团伙，这给推行方形成了少量的资金糜费。薅羊毛和反薅羊毛成为了黑产团伙和推行方之间的博弈。

针对这种推行活动，相关型数据库里最方便的存储形式是分为约请注册表和积分兑换表两张表，经过统计的形式去识别黑产团伙，比如每个独立设施登陆的账户数，每个IP上登陆的账户数等等。但是黑产团伙可以经过群控设施，虚构IP等等技术来绕开这些检测。

但假设转换成图的思想形式，着重从相关的角度去剖析，会发现一些十分幽默的形式。用户约请注册的这些新用户，他们既没有发生新的买卖，也没有约请新的人，甚至还按时期构成十分有序的陈列，这毫无不懂也是薅羊毛的一种形式，单纯经过统计很难发现。(概略可参考

所以第一步，须要业务人员切换到图的思想来从新思索业务，找到那些以前处置艰巨或许处置不了的复杂业务疑问，尝试用图的思想形式来处置，甚至找到一些新的业务价值点。

企业数据

咱们的想法往往须要经过数据剖析来验证或许落地。当咱们的数据量渺小，且类型复杂的时刻，单纯的统计剖析曾经没方法满足咱们的需求了。业务人员在启动探求式剖析时，须要多维度思索，落地到相关型数据库里，就表现为多表关联，在数据量渺小的时刻，这对相关型数据库是个劫难。而驳回数据仓库和大宽表的打算也不尽善尽美。实质上是由于，这些技术的重点并不是在数据之间的相翻开。运行图剖析平台，业务人员和数据剖析人员，都可以从数据的角度登程，去做一些探求，找到一些暗藏的咨询。尝试从相关的角度，开掘出新的价值。

处置打算

当有了想要处置的疑问和处置疑问的数据基础，还须要处置疑问的方法。咱们可以把行业阅历和图算法联合起来。可以从方便的相关查问开局，比如看新进客户能否和一个已有黑点衔接，基于已有的规定做更深度的探求，经过子图判别两个客户能否相似。同时，还可以应用一些图算法做辅佐，比如咱们想要发现一些暗藏的洗钱团伙，欺诈团伙，可以用图中权衡个体度的算法——鲁汶算法(LouvainModularity);咱们想要找到一切客户中最有影响力的人(KOL)，可以用图中权衡中心度的算法——页面排名算法(PageRank)。当找到一些形式后，可以经过图上的形式婚配找到一切的相似客户，并经过一些目的值做重复的验证和迭代。业务人员、数据剖析人员、IT人员都可以介入到其中，包括一些阅历丰盛的处置打算提供商，都是咱们有力的帮手。

工具

从业务的探求到最后的落地运行，须要一个安保易用、稳固牢靠的工具允许。更关键的是，要选用适宜的工具。

首先，如何经常使用图，是纯正的做图的可视化?还是做图的查问计算?还是做图的数据和业务探求?

其次，能否传统的相关型数据库就能处置这个疑问，或许图数据库才干处置这个疑问，还是须要多种工具联合经常使用。

最后，关于工具自身的配置。业务人员或许愈加关注探求与交互的易用性;开发人员或许愈加关注开发的方便性，言语能否弱小;运维人员或许愈加关注系统控制、资源监控。不同的角色有不同的关注点，这都是工具须要处置的疑问。

看完上述四个步骤，你必需会有很多疑问，比如，怎样从数据的角度在图中做探求呢?有没有什么曾经落地的，图的处置打算?关于企业不同角色关于工具的关注点，TigerGraph能够满足吗?由于篇幅有限，这些疑问，咱们会在后续的内容中逐一解答。

总结一下，除了常识图谱，图还能做什么呢?Think in graph, and you will find it.