主要是确认需求，一方面是适不适合用知识图谱这个工具，另一方面做好与其他系统的对接工作，如何能将知识图谱这个服务以简便快捷的方式输出给其他系统。前者可以和多方面行内外专家交流，后者主要还是要与业务部门进行沟通，确认业务部门的期望，技术实现大多时候不是难点，难的是如何...

1.知识图谱是一种工具，是一种与关系型数据库相对的数据组织方式，有其擅长的领域，但不能手里拿着锤子，看哪里都是钉子。知识图谱也有不擅长的领域。2.除大数据外，基于传统的关系型数据库开发一些机器学习或深度学习模型也可以做到风控。...

从你的描述来看，建立基础的知识图谱理论上可行，不过数据质量能不能满足要求是个大问题。你的数据集里边公司电话、座机号准确性和覆盖度有多少，ip、小区信息会不会有重复之类的。...

从自身项目实施来看，有三个地方：1.建模时多系统数据的融合，比如客户的信息存在多个系统中，核心、信贷、理财等，因为系统建设时间不一、多次升级等问题，导致数据不一致，数据质量较差，这样就需要花费很大精力去处理数据质量问题，还可能导致程序返工。2.模型开发过中，选择那些业务场景...

主要涉及关系分析的场景，利用账户、自然人或者资金交易形成的关系来判定结果是否可用时，比如担保圈、分析实际控制人、实际受益人、识别冒名贷款。而且通常，数据分析的深度在3度到5度，才能体现出优势。分析深度小于3度，与传统关系型数据库没有太大差别，大于5度有可能引入较多的...

1.当然是可视化展示，知识图谱的魅力之一就是让人直观的看到多实体之间的关系，能用图标示的就不要哔哔2.多种服务提供方式，有些服务使用方，不需要图，那么可能通过api或者批量文件的方式比较合适。所以从系统建设角度来看，最好能提供多样的服务对接方式，满足前端服务使用方的不同...

建设核心是图数据的存储和分析方法。不同的核心，外围使用的方法也不同。以titan为例，它是集成在hadoop上的。数据的分析加工主要在使用sparksql和graphx，结果会存放在titan中，数量较多的明细流水会放在hbase中，常用的查询关键字，姓名、手机号码等会放在elasticsearch中，三者通过...

1、精准营销需要在构建用户画像和商品的画像的基础上，实现智能的推荐，推荐又分为基于用户画像（购买行为类似的用户商品推荐）和商品画像（购买商品相似度推荐）相结合实现精准的营销；2、要建立用户画像，首先需要梳理画像的特征值（也就是多维度的数据信息），基础上给用户进行打标签（和实际...

银行最大的获客渠道依赖于单一线下物理网点及其行员，其获客半径相对有限，获客成本单价也可能较高。随着银行引入新的科技技术，互联网已成为银行重要的客户经营渠道。银行不能再被动等待客户到来，而是通过主动切入客户的各类生活应用场景，在场景获取客户，将获客这一步骤前移。通...

明略有个知识图谱的产品