2. 金融图数据基础
在金融图Embedding与相似关系检索的工程链路中，图数据是承载语义的“底座”。如果对金融实体、关系类型以及交易、股权、供应链、舆情等网络结构的业务含义理解不到位，后续的Embedding学习与相似检索就会变成“在错误的图上做正确的计算”。本节从图数据建模视角出发，梳理金融场景中最常见的图结构与业务语义。
一、核心原理：金融图的三层建模
金融图数据可以抽象为“实体—关系—网络”三层结构。实体是图中的节点，关系是图中的边，网络则是围绕某一业务主题形成的子图。理解这三层，是构建高质量图Embedding的前提。
- 实体层：包括企业、自然人、金融机构、账户、证券、产品、行业、地区、事件等。实体通常带有属性，如注册资本、行业分类、上市状态、风险等级。
- 关系层：包括交易、持股、担保、任职、供应、借贷、舆情共现等。关系可带方向、权重、时间戳与置信度。
- 网络层：由同类或异类关系聚合而成，如交易网络、股权网络、供应链网络、舆情网络。网络层决定了Embedding的语义空间与检索目标。
二、常见金融网络结构及业务含义
不同网络结构对应不同的业务问题。交易网络关注资金流向与异常模式，股权网络关注控制权与关联方，供应链网络关注产业传导，舆情网络关注事件扩散与情绪共振。
| 网络类型 | 典型节点 | 典型关系 | 业务含义 |
|---|---|---|---|
| 交易网络 | 账户、企业、个人 | 转账、支付、结算 | 资金流向、洗钱识别、欺诈团伙发现 |
| 股权网络 | 企业、自然人、基金 | 持股、控股、一致行动 | 实际控制人、关联交易、集团风险 |
| 供应链网络 | 供应商、核心企业、客户 | 供货、采购、物流 | 产业传导、信用风险扩散、断链预警 |
| 舆情网络 | 新闻、公司、人物、话题 | 提及、共现、情感关联 | 事件扩散、情绪传染、声誉风险 |
以交易网络为例，节点通常是账户或企业，边表示资金流转。边的属性包括金额、时间、币种、渠道。业务上，我们关心的是“谁和谁在短时间内发生了异常资金往来”，这直接对应图上的稠密子图或时序路径模式。
股权网络则更强调方向与比例。A持有B 51%股权，与A持有B 5%股权，在控制权语义上完全不同。因此股权图的边必须携带比例、层级、是否一致行动人等属性，否则Embedding会丢失关键区分度。
三、方法流程：从原始数据到可检索图
构建金融图数据通常遵循以下流程，每一步都会影响最终Embedding的质量。
- 实体识别与对齐：从工商、交易、新闻等数据源抽取实体，并进行同名消歧与统一ID映射。
- 关系抽取与归一：将不同来源的关系统一为规范类型，如“持股”“担保”“供应”。
- 属性补全：为边补充金额、比例、时间、置信度等属性。
- 子图划分：按业务主题切分交易、股权、供应链、舆情等子图。
- 图存储与索引：写入图数据库或图计算引擎，建立节点与边的检索索引。
# 示例：金融图边数据规范（JSON Lines）
{"src":"C001","dst":"C002","rel":"持股","ratio":0.51,"date":"2024-03-01"}
{"src":"C002","dst":"C003","rel":"供应","amount":1200000,"currency":"CNY"}
{"src":"P001","dst":"C001","rel":"任职","role":"董事","since":"2022-07-15"}
{"src":"NEWS_88","dst":"C001","rel":"提及","sentiment":-0.62,"ts":"2024-05-11T09:30:00"}
四、案例与场景：多网络融合的相似关系检索
假设我们要检索“与某上市公司风险相似的企业”。单一网络往往不够：交易网络可能显示资金异常，股权网络可能显示关联方复杂，供应链网络可能显示上下游集中度高，舆情网络可能显示负面情绪上升。将四类网络融合后，企业的图Embedding才能同时编码资金、控制、产业与舆情语义。
例如，企业A与企业B在股权网络上都有多层持股结构，在供应链网络上共享同一核心客户，在舆情网络上同时出现负面共现。这种“跨网络相似”比单网络相似更具业务解释力，也更适合用于风险预警与关联推荐。
五、误区与复盘
在金融图数据建设中，常见误区包括：把不同来源的“持股”关系直接合并而不区分比例与层级；忽略交易边的时间属性，导致时序模式丢失；将舆情网络简单视为文本共现，而忽略情感极性与传播路径。这些都会让后续Embedding失去业务区分度。
因此，在进入Embedding建模之前，建议先完成一次图数据体检：统计各网络节点数、边数、关系类型分布、属性缺失率，并抽样验证业务语义。只有图数据本身“讲得通”，Embedding才能“搜得准”。