陳日成

在大數(shù)據(jù)時代，知識圖譜將互聯(lián)網(wǎng)上碎片化的知識通過網(wǎng)絡(luò)化的形式整合，為我們提供了一種新型的數(shù)據(jù)獲取方式，便于人們進(jìn)行數(shù)據(jù)的檢索與分析，從中獲取更有價值的信息。在知識圖譜技術(shù)發(fā)展的同時，信息抽取技術(shù)也在逐漸發(fā)展，人們不再局限于在結(jié)構(gòu)化的數(shù)據(jù)中抽取數(shù)據(jù)，對于半結(jié)構(gòu)及非結(jié)構(gòu)化的數(shù)據(jù)，人們也開始在其中挖掘知識。事件數(shù)據(jù)則屬于半結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)中的一種，事件數(shù)據(jù)中包含著多方主體，蘊(yùn)含著眾多信息。同時，事件也不只是作為個體而單獨(dú)存在的，事件與事件之間還存在著眾多的聯(lián)系，如因果、順承、遞進(jìn)等，這些關(guān)系都展示了事件數(shù)據(jù)的“動態(tài)性”。本文以金融領(lǐng)域的事件作為研究點，從開放的半結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)中抽取知識，構(gòu)建知識圖譜，并進(jìn)行其在語義及結(jié)構(gòu)上的演化分析。

一、金融風(fēng)險相關(guān)內(nèi)容

近些年金融風(fēng)險事件頻發(fā)，由單一個體發(fā)現(xiàn)風(fēng)險而引發(fā)的群體風(fēng)險事件眾多，學(xué)術(shù)界也越來越關(guān)注金融風(fēng)險預(yù)警這一熱點，根據(jù)不同的研究視角，金融風(fēng)險預(yù)警研究可以分為系統(tǒng)總體風(fēng)險預(yù)警和系統(tǒng)內(nèi)部風(fēng)險預(yù)警，而對于檢測金融風(fēng)險水平通常用的是經(jīng)驗指標(biāo)分析法及綜合指數(shù)法。對金融體系內(nèi)部分金融機(jī)構(gòu)的風(fēng)險監(jiān)測常用的方法是基于市場數(shù)據(jù)的模型法，如條件風(fēng)險價值法（Co-VaR）、Hapley值、Srisk、Copula函數(shù)方法等。上述方法可以實時跟蹤和監(jiān)控金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險，具有良好的時效性。缺陷在于往往以單一市場的金融機(jī)構(gòu)為研究對象，當(dāng)涉及多個金融機(jī)構(gòu)相互影響和聯(lián)系的情況時，這些方法則失去了優(yōu)勢。

二、知識圖譜基礎(chǔ)

按照維基百科的定義，知識圖譜的最早應(yīng)用是作為提高搜索引擎效率的知識庫，表達(dá)實體之間的語義信息網(wǎng)絡(luò)關(guān)系是它的本質(zhì)，采用的是三元組的形式來揭示實體自身以及實體之間的關(guān)系。

三元組信息是知識圖譜的基礎(chǔ)，眾多三元組構(gòu)成了一張知識大網(wǎng)，三元組包含實體、關(guān)系、屬性、屬性值等信息。在金融知識圖譜中，例如企業(yè)實體，則會有，法人、代碼、董事等屬性，通過其屬性又關(guān)聯(lián)到另一個企業(yè)實體，以此構(gòu)建成知識圖譜大網(wǎng)，同時為了避免信息冗余，每一個實體在知識庫中都有一個唯一的標(biāo)識ID，如“8a0f3fa0-019c-4c91-86dd-3c20c946d09d”是一個法人的唯一標(biāo)識ID。金融知識圖譜屬于領(lǐng)域知識圖。

三、金融事件的演化分析

（一）金融風(fēng)險事件數(shù)據(jù)收集概況

經(jīng)過爬蟲和數(shù)據(jù)清理，目前共獲得包含擔(dān)保交易、股權(quán)凍結(jié)、股權(quán)質(zhì)押、關(guān)聯(lián)交易、立案調(diào)查、訴訟仲裁、違規(guī)事件約105600條事件數(shù)據(jù)，包含公司、股東、法定代表人、金融機(jī)構(gòu)約152000個實體，包含企業(yè)名稱、ID、股票代碼、交易類型、時間信息、金額、股份等約263000條屬性。

（二）數(shù)據(jù)處理

對于上述爬取的數(shù)據(jù)，利用python正則表達(dá)式工具，將實驗所需要的實體、時間、關(guān)系等數(shù)據(jù)提取出來。并于MySQL關(guān)系型數(shù)據(jù)庫接口進(jìn)行對接，將數(shù)據(jù)存入數(shù)據(jù)庫。為了便于詞表的構(gòu)建，利用python工具統(tǒng)計實體、時間的詞頻，金融事件網(wǎng)絡(luò)形成的基礎(chǔ)是一個事件涉及多個實體，實體與其他實體又存在關(guān)系，那么，各實體之間就形成了關(guān)聯(lián)關(guān)系。本文的金融關(guān)聯(lián)指的是：擔(dān)保交易、股權(quán)凍結(jié)、股權(quán)質(zhì)押、關(guān)聯(lián)交易、立案調(diào)查、訴訟仲裁、違規(guī)事件。為了得出他們之間的具體關(guān)系，將2008年-2019年的事件數(shù)據(jù)劃分為2008年-2011年、2012年-2015年和2016年-2019年份三個時間段，對各個時間段的共現(xiàn)詞頻進(jìn)行統(tǒng)計，為了避免數(shù)據(jù)量過于龐大，影響實驗的速度，僅僅選取各個時間段內(nèi)事件數(shù)量大于等于10的實體進(jìn)行可視化展示，從而降低個別不典型數(shù)據(jù)對實驗結(jié)果的影響。根據(jù)具體的實驗結(jié)果分析，事件數(shù)量小于10的實體不具有代表性，并且數(shù)量眾多，對實驗結(jié)果的影響并不顯著。對于上述三個時間段分別設(shè)定三個CSV文件，文件第一行為表頭列名（source、target、weight），其中，前兩列為關(guān)聯(lián)節(jié)點名稱，最后一列為權(quán)重（即雙方關(guān)聯(lián)頻次）。不同時間段實體與實體共現(xiàn)統(tǒng)計結(jié)果詳見表4.9（數(shù)據(jù)只部分展示）。

（三）時間序列金融事件網(wǎng)絡(luò)特征分析

將三個時間段2008年-2011年、2012年-2015年和2016年-2019年的數(shù)據(jù)用Gephi工具進(jìn)行社會網(wǎng)絡(luò)分析，得到如下表所示的分析數(shù)據(jù)，具體情況詳見后續(xù)的網(wǎng)絡(luò)密度、點度中心度、中心中間性、網(wǎng)絡(luò)具體分析。

1.網(wǎng)絡(luò)密度

通過上述金融事件網(wǎng)絡(luò)特征分析結(jié)果可知，金融事件網(wǎng)絡(luò)密度從第一階段2008.01-2011.12的0.017變?yōu)榈诙A段2012.01-2015.12的0.018，最終變化為到第三階段2016.01-2019.12的0.015，無論是從單個階段看還是從整體來看，整個金融事件網(wǎng)絡(luò)密度遠(yuǎn)遠(yuǎn)小于1，這一數(shù)據(jù)表明實體與實體之間的事件關(guān)聯(lián)不是很密切，事件之間的關(guān)聯(lián)性不是非常明顯。下面對其原因進(jìn)行具體分析：首先，在金融事件網(wǎng)絡(luò)中各實體處于不同的行業(yè)、地區(qū)，如果要進(jìn)行關(guān)聯(lián)，則需要跨行業(yè)、跨區(qū)域，如此進(jìn)行事件關(guān)聯(lián)會消耗巨大的時間成本和經(jīng)濟(jì)成本；其次，金融領(lǐng)域具有封閉性特征，各實體更愿意與同行業(yè)、地區(qū)的實體進(jìn)行關(guān)聯(lián)，其目的也是為了避免潛在的風(fēng)險。

最終，通過對比上述金融事件網(wǎng)絡(luò)特征不同時間段的網(wǎng)絡(luò)密度可以發(fā)現(xiàn)，網(wǎng)絡(luò)密度的波動僅有0.001至0.002，總體的趨勢呈現(xiàn)平穩(wěn)的態(tài)勢，表明在互聯(lián)網(wǎng)時代的浪潮下，倒逼各實體進(jìn)行金融交流，各個金融實體也難以避免與其他實體發(fā)生關(guān)聯(lián)關(guān)系。

2.點度中心度

通過上述金融事件網(wǎng)絡(luò)特征分析結(jié)果可知，萬科企業(yè)股份有限公司、湖北宜化化工股份有限公司、飛亞達(dá)（集團(tuán)）股份有限公司、中國大唐集團(tuán)公司、武漢東湖高新集團(tuán)股份有限公司等實體名列點度中心度的前列，深圳長城開發(fā)科技股份有限公司、蘇州長城開發(fā)科技有限公司、金融街控股股份有限公司等實體處于點度中心度排名的末端，由此可見整個金融事件網(wǎng)絡(luò)中，點度中心度的差異較大。下面對其原因進(jìn)行具體分析：首先，實驗結(jié)果表明上述實體在金融事件中所處的地位不同，具體表現(xiàn)為在點度中心度前列的實體處于金融事件的核心并且知名度較大，資源優(yōu)勢強(qiáng)，從而與其他實體發(fā)生較多的關(guān)聯(lián)關(guān)系，產(chǎn)生較大的凝聚效應(yīng)；其次，對于處于點度中心度末端的實體，在網(wǎng)絡(luò)中所處地位也較低，他們一方面自身體量相對較小、所掌控的資源不夠充足，或者是缺乏一定的核心競爭力，因此較難與其他實體形成關(guān)聯(lián)關(guān)系。

最終，通過上述金融事件網(wǎng)絡(luò)特征分析對比三個時間段的點度中心度可以發(fā)現(xiàn)，整個網(wǎng)絡(luò)的點度中心度呈上升趨勢，從0.215、0.264上升至0.282，同時各實體之間的點度中心度的數(shù)值差異在逐漸縮小，這一現(xiàn)象反映了在金融事件關(guān)聯(lián)的過程中，實體在不斷地與其他實體建立更密集、更廣泛的關(guān)聯(lián)，使得實體自己在金融事件網(wǎng)絡(luò)中的地位進(jìn)一步加強(qiáng)。

3.中心中間性

通過上述金融事件網(wǎng)絡(luò)特征分析結(jié)果可知，中海集裝箱運(yùn)輸股份有限公司、中國大唐集團(tuán)公司、武漢東湖高新集團(tuán)股份有限公司等實體處于中心中間性的前列，深圳能源集團(tuán)股份有限公司、中興通訊股份有限公司、深圳市民德電子科技股份有限公司等實體處于中心中間性的末端，并且中心中間性的值差異較大，其最大差值超過0.1。由此可見，在整個金融事件網(wǎng)絡(luò)中，處于核心地位的實體與處于“偏僻”地位的實體差異較大，作為核心地位的實體位于多個實體連接路徑的中間節(jié)點上。下面對其原因進(jìn)行具體分析：首先，是因為這些實體的所在行業(yè)大多為服務(wù)型，與其他實體的關(guān)聯(lián)關(guān)系更為緊密。另一方面，這些實體在行業(yè)內(nèi)市場份額較大，掌握著該行業(yè)的優(yōu)勢資源，具有核心競爭力，從而能夠在金融合作過程更便于與其他實體形成關(guān)聯(lián)關(guān)系。

最終，通過金融事件網(wǎng)絡(luò)特征分析結(jié)果對比不同時間段的中心中間性數(shù)據(jù)可以發(fā)現(xiàn)，整個網(wǎng)絡(luò)的中心中間性在逐漸增加，從最開始的0.312到0.424最后到0.527，最大跨度接近0.2，這一現(xiàn)象反映了各實體在金融關(guān)聯(lián)的過程中，在不斷尋求與其他實體進(jìn)行關(guān)聯(lián)從而擴(kuò)大自身的“結(jié)點”作用，與其他實體關(guān)聯(lián)數(shù)量多，也屬于實體自身的一種資源，從而便于建立更多、更廣泛的關(guān)聯(lián)，使實體自身在金融合作中“橋梁”的作用進(jìn)一步加強(qiáng)，從而使得自己在金融事件網(wǎng)絡(luò)中的地位進(jìn)一步提高。

4.網(wǎng)絡(luò)距離

從上述金融事件網(wǎng)絡(luò)特征分析結(jié)果可知，三個不同時間段2008年-2011年、2012年-2015年和2016年-2019年的金融合作網(wǎng)絡(luò)的平均距離分別是3.172、4.021和5.252，由此可以得知，在整個金融事件網(wǎng)絡(luò)中，任意一個實體平均需要通過3個或者4個實體才能與另一個實體取得關(guān)聯(lián)。下面對其原因進(jìn)行具體分析：我國地域遼闊，省份眾多，各實體在我國分布范圍較廣，所以，雖然平均網(wǎng)絡(luò)距離較大，但是結(jié)合實際情況而言，這一平均距離的結(jié)果是可以為大多數(shù)實體所接受的。

最終，在三個時間段所得出的網(wǎng)絡(luò)距離值的基礎(chǔ)上，得到響應(yīng)時間段的凝聚力指數(shù)分別為0.0643、0.0532和0.0589，從該數(shù)據(jù)可以發(fā)現(xiàn)，我國金融事件網(wǎng)絡(luò)實體之間總體聯(lián)系并不緊密，有著各自為政的趨勢，因此建議，我國各金融實體緊密程度有待提升，凝聚力需要加強(qiáng)，從三個階段的凝聚力指數(shù)總體態(tài)勢分析，在第一階段2008年-2011年，自經(jīng)濟(jì)危機(jī)爆發(fā)以來，各實體開始注意到金融事件對其自身風(fēng)險的影響，導(dǎo)致凝聚力較強(qiáng)；隨著時間的推移2012年-2015年，各實體在逐漸增加，數(shù)量上提升迅速，量變導(dǎo)致質(zhì)變，從而導(dǎo)致凝聚力開始下降；近些年來2016年-2019年，隨著金融行業(yè)的穩(wěn)定與成熟，國家政策的逐漸完善，各實體也逐步意識到金融合作的重要性，開始大規(guī)模尋求金融合作，從而促使凝聚力又穩(wěn)步回升。

結(jié) 語

我國對于知識圖譜的研究最開始是通過人工構(gòu)建的方式進(jìn)行的，因此存在許多的弊端，如規(guī)模小、覆蓋少、應(yīng)用狹窄等，這種人工規(guī)則構(gòu)建的知識圖譜難以擴(kuò)展為大規(guī)模的知識圖譜，例如中科院計算所設(shè)計的知網(wǎng)（HowNet）就屬于這種范疇。國內(nèi)工業(yè)界和學(xué)術(shù)界也對知識圖譜展開了一系列的研究。在我國工業(yè)界，眾多互聯(lián)網(wǎng)公司也加入到知識圖譜的研究中來，例如百度知識圖譜、阿里巴巴電商知識圖譜，美團(tuán)大腦、搜狗知立方等。在金融領(lǐng)域，同樣有海智大數(shù)據(jù)、天眼查等比較成熟的金融知識圖譜。目前，無論是國內(nèi)還是國外，對行業(yè)和領(lǐng)域知識圖譜（也稱作垂直領(lǐng)域的知識圖譜）的研究還較少，投入到實際應(yīng)用中的也還待開發(fā)。領(lǐng)域知識圖譜在許多行業(yè)都有應(yīng)用價值，例如行業(yè)智能知識服務(wù)、問答系統(tǒng)、行業(yè)語義搜索、大數(shù)據(jù)關(guān)聯(lián)分析等方面都有廣泛的研究與應(yīng)用價值。

（作者單位：湖北商貿(mào)學(xué)院）