2. 金融知识图谱基础：实体、关系、属性、事件的定义与金融领域建模

金融知识图谱的核心在于将非结构化的金融文本转化为结构化的三元组与事件逻辑。本节将严格定义知识图谱的四大基础要素——实体、关系、属性、事件，并展示其在金融领域的建模方法。

2.1 四大基础要素定义

要素	定义	金融领域示例
实体	客观存在且可区分的对象，是知识图谱中的节点。	“贵州茅台”、“2024年Q3财报”、“美联储”
关系	实体之间的语义连接，构成图谱的边。	“持有股份”、“发布公告”、“属于行业”
属性	描述实体或关系的特征值，通常以键值对形式存在。	“注册资本：12.56亿元”、“发布日期：2024-10-31”
事件	在特定时间、地点发生的客观事实，包含参与实体与动作。	“贵州茅台发布2024年第三季度报告”

2.2 金融领域建模方法论

金融知识图谱的建模遵循“自顶向下”与“自底向上”相结合的策略。首先定义领域本体（Schema），再通过信息抽取技术填充实例。

2.2.1 实体建模

• 公司实体：股票代码、公司全称、行业分类、注册地。
• 人物实体：高管、股东、分析师、监管人员。
• 产品实体：基金、债券、保险、理财产品。
• 宏观实体：指数、利率、汇率、GDP。

2.2.2 关系建模

• 层级关系：母公司 → 子公司、总公司 → 分公司。
• 交易关系：股东 → 持有 → 股票、机构 → 投资 → 项目。
• 事件触发关系：公司 → 发布 → 公告、监管 → 处罚 → 机构。

2.2.3 属性建模

• 数值属性：营收、净利润、市盈率、资产负债率。
• 文本属性：公司简介、风险提示、管理层讨论。
• 时间属性：成立日期、上市日期、财报截止日。

2.2.4 事件建模

• 事件类型：业绩发布、并购重组、股权质押、监管处罚、分红除权。
• 事件要素：时间、地点、主体、客体、动作、结果。
• 事件关联：事件与实体关联、事件与事件因果关联。

2.3 金融知识图谱 Schema 设计示例

以下是一个简化的金融知识图谱本体定义（使用 JSON-LD 风格描述）：

{
  "@context": "https://schema.financekg.org/v1",
  "@graph": [
    {
      "@id": "Company",
      "@type": "rdfs:Class",
      "rdfs:label": "公司",
      "properties": ["stockCode", "fullName", "industry", "registeredCapital"]
    },
    {
      "@id": "Person",
      "@type": "rdfs:Class",
      "rdfs:label": "人物",
      "properties": ["name", "position", "tenureStart"]
    },
    {
      "@id": "FinancialReport",
      "@type": "rdfs:Class",
      "rdfs:label": "财务报告",
      "properties": ["reportDate", "revenue", "netProfit", "eps"]
    },
    {
      "@id": "holdsShare",
      "@type": "rdf:Property",
      "rdfs:label": "持有股份",
      "domain": "Person",
      "range": "Company"
    },
    {
      "@id": "publishesReport",
      "@type": "rdf:Property",
      "rdfs:label": "发布报告",
      "domain": "Company",
      "range": "FinancialReport"
    }
  ]
}

2.4 金融事件建模与图谱结构

下图展示了金融知识图谱中实体、关系、属性与事件的典型连接方式。事件作为动态节点，将多个实体与时间信息串联起来，形成可追溯的决策链路。

2.5 事件驱动的金融图谱建模流程

在实际项目中，金融知识图谱的构建通常遵循以下步骤：

1. 领域本体设计：与金融专家协作，定义实体类型、关系类型、事件类型及属性约束。
2. 数据源接入：接入公告、研报、新闻、行情、监管文件等多源异构数据。
3. 信息抽取：使用 NLP 技术抽取实体、关系、属性与事件。
4. 图谱融合：实体对齐、冲突消解、属性归一化。
5. 事件关联：建立事件与实体、事件与事件之间的时序与因果链接。
6. 图谱存储与查询：使用图数据库（如 Neo4j、JanusGraph）存储，支持 SPARQL 或 Cypher 查询。

2.6 实体-事件-属性联合查询示例

以下 Cypher 查询展示了如何利用事件节点进行金融分析：

// 查询贵州茅台2024年Q3业绩发布事件及其关键属性
MATCH (c:Company {name: '贵州茅台'})-[:publishesReport]->(e:Event {type: '业绩发布'})
WHERE e.reportDate >= '2024-10-01' AND e.reportDate <= '2024-10-31'
OPTIONAL MATCH (e)-[:contains]->(a:Attribute)
RETURN c.name AS 公司, e.reportDate AS 报告日期, 
       a.revenue AS 营收, a.netProfit AS 净利润, a.eps AS 每股收益

该查询返回的结果可用于快速对比不同季度的财务表现，支撑投资决策。

2.7 金融知识图谱 Schema 可视化

下图展示了金融知识图谱的顶层 Schema 设计，包含实体类型、关系类型及事件类型的层次结构。

2.8 小结

本节定义了金融知识图谱的四大基础要素：实体、关系、属性、事件，并给出了具体的金融领域建模方法。实体是图谱的节点，关系是边，属性是节点的特征描述，事件是动态行为的载体。在金融场景中，事件建模尤为重要，它使得知识图谱能够支持时序推理、因果分析和风险预警等高级应用。掌握这些基础概念，是后续进行回放对比评审的前提。