- 图数据管理技术(图立方新一代知识图谱管理系统工业和信息化部十四五规划专著)
- - 作者：王国仁//李荣华//石宣化/夏虞斌//尚学群等|责编:刘瑀
  - 出版社：电子工业
  - ISBN：9787121503351
  - 出版日期：2025/05/01
  - 页数：290
- 售价：35.6

内容大纲
现实中的大数据具有时序多频、尖峰厚尾等特点，导致构建亿级时序图谱分析与应用平台时，存在图谱构建质量低、查询分析代价高及推理挖掘解释难等问题。为此，本书将介绍一种新一代知识图谱管理系统——图立方，以及基于图立方的金融风险防控综合技术解决方案。本书共分为10章，其中，第1章为绪论，主要介绍图立方的提出背景、基本概念和基本功能；第2章介绍图立方的表达、图立方的数据划分算法和图立方的多版本存储技术；第3章介绍图立方的抽取与融合，主要包含基于语义增强的超关系抽取模型、基于多任务的时序关系抽取技术、基于实体消歧的图立方知识增量更新方法以及基于图神经网络的知识图谱融合技术；第4章介绍图立方的查询处理，主要包含面向原生超图的查询系统、面向时序超图的查询系统以及面向图立方的查询优化、匹配查询和概要查询；第5章介绍图立方的分析引擎，主要包含面向图立方的分析引擎设计、面向图立方分析引擎的软硬件协同优化和动态负载均衡技术；第6章介绍图立方的规则挖掘，主要包含时序环规则挖掘、频繁子图模式挖掘以及周期子模式挖掘；第7章介绍图立方的推理归纳，主要包含图立方表示学习、图立方超关系预测以及图立方子图表示学习：第8章介绍基于图立方的金融舆情分析，主要包含基于图立方的金融舆情主题检测、舆情情感分析以及舆情传播路径预测；第9章介绍基于图立方的金融风险预测，主要包含基于图立方的金融风险辨识、基于数据的金融风险预警方法和可解释的金融风险预警方法；第10章介绍图立方的金融风险防控案例，主要包含金融风控大脑关键技术和金融风控大脑应用验证案例。图立方是基于时序多元关系的知识表达模型，代表着知识图谱领域的系统性技术创新。与传统的二元语义关系表达模型相比，图立方整合了多种异质模态知识，使得其对时序多元语义关系的表达更为直观和全面。在金融数据的应用场景中，图立方能够更准确地捕捉和表现持股、担保、交易等活动之间的关系。基于图立方构建金融风险防控综合技术解决方案，为金融数据管理、风险预测和防范提供了全新的视角和工具，对金融行业的发展和稳健运行带来了积极而深远的影响。本书适合初次接触时序超图知识图谱内容的读者阅读，也可供具有相关方向研究基础的专业人士参考。
作者介绍
目录
第1章  绪论
  1.1  图立方的提出背景
    1.1.1  大规模图数据管理系统
    1.1.2  大规模知识图谱智能挖掘与推理系统
    1.1.3  金融大数据智能分析平台
  1.2  图立方的基本概念
    1.2.1  传统图模型的缺点
    1.2.2  时序图模型的特点
    1.2.3  图立方能解决的科学与技术问题
  1.3  图立方的基本功能
    1.3.1  图立方的构建与融合
    1.3.2  图立方的实时查询与智能分析
    1.3.3  金融图立方的规则挖掘与推理
    1.3.4  金融图立方的舆情分析与风险防控
    1.3.5  金融图立方查询与分析平台
第2章  图立方的表达与存储
  2.1  图立方的表达
    2.1.1  知识图谱表达模型
    2.1.2  知识图谱数据库
    2.1.3  多元时序表达模型和存储结构
  2.2  图立方的数据划分算法
    2.2.1  背景概述
    2.2.2  系统架构
    2.2.3  分布式并行图划分算法
  2.3  图立方的多版本存储技术
    2.3.1  背景概述
    2.3.2  日志结构累积更新
    2.3.3  最终根最优根双向回溯
  本章参考文献
第3章  图立方的抽取与融合
  3.1  基于语义增强的超关系抽取模型
    3.1.1  背景概述
    3.1.2  基于语义增强的超关系抽取模型
    3.1.3  实验验证
  3.2  基于多任务的时序关系抽取技术
    3.2.1  背景概述
    3.2.2  时序推理增强的多任务事件-关系联合抽取
    3.2.3  实验验证
  3.3  基于实体消歧的图立方知识增量更新方法
    3.3.1  背景概述
    3.3.2  基于束搜索的全局实体消歧
    3.3.3  实验验证
  3.4  基于图神经网络的知识图谱融合技术
    3.4.1  背景概述
    3.4.2  基于图神经网络的时间关系感知实体对齐方法
    3.4.3  模型学习
    3.4.4  实验验证
  本章参考文献
第4章  图立方的查询处理
  4.1  面向原生超图的查询系统

    4.1.1  背景需求
    4.1.2  系统设计实现
  4.2  面向时序超图的查询系统
    4.2.1  时序知识图谱查询系统
    4.2.2  时序超图查询系统
  4.3  面向图立方的查询优化
    4.3.1  背景需求
    4.3.2  异构系统的系统架构
    4.3.3  异构系统的索引构建
    4.3.4  异构系统的查询处理
  4.4  面向图立方的匹配查询
    4.4.1  稳定匹配查询
    4.4.2  基于剪枝的在线查询
    4.4.3  基于索引的查询处理
  4.5  面向图立方的概要查询
    4.5.1  概要查询
    4.5.2  属性图立方的索引
    4.5.3  属性图立方的实例化
  本章参考文献
第5章  图立方的分析引擎
  5.1  面向图立方的分析引擎设计
    5.1.1  分布式图数据结构
    5.1.2  分布式图采样引擎
    5.1.3  图神经网络训练与推理引擎
  5.2  面向图立方分析引擎的软硬件协同优化
    5.2.1  图神经网络采样训练问题分析
    5.2.2  空分复用训练方法
    5.2.3  预采样缓存策略
  5.3  面向图立方分析引擎的动态负载均衡技术
    5.3.1  图数据迁移概述
    5.3.2  图数据迁移设计与实现
  本章参考文献
第6章  图立方的规则挖掘
  6.1  时序环规则挖掘
    6.1.1  问题定义
    6.1.2  传统方法
    6.1.3  基于图立方的算法
  6.2  频繁子图模式挖掘
    6.2.1  问题定义
    6.2.2  传统方法
    6.2.3  基于图立方的算法
  6.3  周期子模式挖掘
    6.3.1  问题定义
    6.3.2  传统方法
    6.3.3  基于图立方的算法
  本章参考文献
第7章  图立方的推理归纳
  7.1  图立方表示学习
    7.1.1  问题定义
    7.1.2  传统方法

    7.1.3  图立方表示学习
  7.2  图立方超关系预测
    7.2.1  问题定义
    7.2.2  传统方法
    7.2.3  图立方超关系预测
  7.3  图立方子图表示学习
    7.3.1  问题定义
    7.3.2  传统方法
    7.3.3  基于域流的图分类框架
  本章参考文献
第8章  基于图立方的金融舆情分析
  8.1  基于图立方的金融舆情主题检测
    8.1.1  问题概述
    8.1.2  经典算法
    8.1.3  基于图立方的金融舆情主题检测方法
  8.2  基于图立方的金融舆情情感分析
    8.2.1  问题概述
    8.2.2  基于文本的情感分析方法
    8.2.3  基于多模态的情感分析方法
    8.2.4  基于图立方的金融情感分析方法
  8.3  基于图立方的金融舆情传播路径预测
    8.3.1  问题概述
    8.3.2  时序舆情传播路径挖掘
    8.3.3  基于图立方的舆情传播路径挖掘
  本章参考文献
第9章  基于图立方的金融风险预测
  9.1  基于图立方的金融风险辨识模型
    9.1.1  问题概述
    9.1.2  传统金融风险辨识模型
    9.1.3  基于图结构的金融风险辨识方法
    9.1.4  基于图立方的金融风险辨识方法
  9.2  基于数据的金融风险预警方法
    9.2.1  基于知识图谱的金融风险预警方法
    9.2.2  基于图立方的金融风险预警方法
  9.3  可解释的金融风险预警方法
    9.3.1  背景知识
    9.3.2  基于图立方的双驱动风险预警方法
  本章参考文献
第10章  基于图立方的金融风险防控案例
  10.1  金融风控大脑关键技术
    10.1.1  基于金融图立方的数据汇聚技术
    10.1.2  基于金融图立方的联邦分布式技术
    10.1.3  基于金融图立方的时序股权穿透技术
    10.1.4  基于金融图立方的关键图结构识别技术
    10.1.5  基于金融图立方的舆情风险预测技术
  10.2  金融风控大脑应用验证案例
    10.2.1  基于图立方的商业票据欺诈识别方法
    10.2.2  基于图立方的发债企业风险评估方法
    10.2.3  基于图立方的银行信贷风险管控方法
  本章参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目