2. 金融知识图谱基础：知识图谱定义、三元组与金融领域典型类型

知识图谱（Knowledge Graph, KG）本质上是结构化的语义网络，用于描述真实世界中实体（Entity）及其之间的关联关系（Relation）。在金融风控场景中，知识图谱将分散在交易流水、工商信息、舆情文本、供应链数据中的碎片化信息，组织成一张可推理、可传导的关联网络，从而识别隐性风险链条与复杂欺诈模式。

2.1 知识图谱的核心定义

知识图谱由 节点（Node） 和 边（Edge） 组成，遵循“实体-关系-实体”的三元组结构。其数学表达为：

G = (E, R, T)
其中：
E = {e₁, e₂, ..., eₙ} 表示实体集合
R = {r₁, r₂, ..., rₘ} 表示关系类型集合
T ⊆ E × R × E 表示三元组集合，每个三元组 (h, r, t) 代表头实体 h 通过关系 r 连接到尾实体 t

与传统的数据库表或文档检索不同，知识图谱具备语义关联与图推理能力：不仅存储“谁是谁”，还能通过路径发现“A与B之间是否存在间接风险传导”。

2.2 三元组：知识图谱的基本单元

每个三元组 (头实体, 关系, 尾实体) 构成一条独立的事实陈述。多个三元组通过共享实体形成网络。例如：

• （张三，担任，法定代表人） → 张三与公司A之间的法人关系
• （公司A，对外投资，公司B） → 公司A与公司B之间的股权投资关系
• （公司B，发生，逾期事件） → 公司B与风险事件之间的关联

通过上述三个三元组，可以推理出“张三担任法人的公司A所投资的公司B发生了逾期”，从而触发风险传导路径。

2.3 金融领域典型实体与关系类型

金融知识图谱的实体类型覆盖从个人到机构、从资产到事件的完整生态。以下为最常见的实体与关系分类：

2.3.1 典型实体类型

2.3.2 典型关系类型

2.4 金融知识图谱三元组结构示意

下图展示了一个简化的金融风险传导场景，包含个人、企业、资产和事件四类实体，以及对应的关系类型：

2.5 三元组在风险传导中的价值

基于三元组结构，金融风控系统可以实现以下核心能力：

1. 关联挖掘： 通过实体共享发现隐性关联（如两个借款人共用同一手机号）。
2. 路径传导： 从风险事件出发，沿关系边反向追溯所有受影响的主体。
3. 环路检测： 识别担保圈、循环持股等复杂风险结构。
4. 属性传播： 将实体的风险标签沿关系边传播至相邻实体（如“失信被执行人”的关联企业）。

2.6 金融知识图谱构建流程概览

从原始数据到可用的金融知识图谱，通常经历以下步骤：