[Datawhale Camp] Task01- 知识图谱介绍

1.Intro

在 KDD 2018 中的 Tutorials 中一篇 Large-Scale Graph Algorithmics: Theory and Practice，提到：我们能够知识图谱，去找寻类似关键字在广告当中的模式、或是在Youtube当中共同观影者的行为表示…etc。并且，Google 也整理了复盖实践知识图谱的范畴：从构建图 (Graph Building) 、到运用标籤传播进行 Clustering、以及根据 PageRank 衡量节点重要性 (Centrality Scores/Ranking) 等。

Source: Large-Scale Graph Algorithmics: Theory and Practice

1.1 谈谈数据结构

图是由节点 (Node) 、边 ( Relationships)、属性 (Properties) 所构成。Neo4j 的官方图算法手册很好地以下图表现了 Dan 和 Ann 这对夫妻的关係，以及各自与车子的关係进行了表述。
1.Dan、Ann、Car 是下面这个视图中的三个实体，以节点表示。
2.各个节点当中有些他们的属性。
3.边的表示：Dan会开车、但Ann才是车的拥有者。

Source: Neo4j Graph Algorithms Book (O‘reilly)

---

1.2 生活中的知识图谱

在现实世界中，我们可以看到许多社交网络图、角色关係图，还有部分反欺诈案例的图以下面例子表示：

1. 第一张是 Twitter名人的社交网络图彼此的连接关係，可以用社交网络的六度关係理论去理解：我的好友的好友的好友的好友的好友的好友…就会连接到 Elon Musk，也就是我跟 Elon Musk 之间只要透过边的连结，我这个实体就会连到 Elon Musk 这个实体。
2. 第二张图是说明在整个网络当中，自然而然会有扮演连接不同实体的枢纽点（可以想像成扮演友谊桥樑的中介点）
3. 建立在前两点的基础之上，第三张与第四张图是基于标籤传播想法，将一个大网络分成两个或以上不同的社区，进而达到分类/分群的目的。
   
   (Source: 原图来自 Google Search )

---

1.3 考虑构建的图谱是否有稀疏性问题

然而在部分数据集当中，由于数据本身的信息有限，建立的图并无法产生如社交网络的密集的关係网络图，以我曾在 Kaggle 使用过的交易欺诈数据集为例 - Synthetic Financial Datasets for Fraud Detection，交易转出帐户多属于一次性交易，缺乏关联信息的特徵（例如电话、装置ID、IP位置等），无法仅靠交易转入转出帐户建立紧密的网络关係图。

*透过 neo4j 呈现的欺诈交易（灰色节点为交易转出帐户，红色节点为转入帐户）

因此，在评估该数据欲解决的问题，除了构建知识图谱以外ÿ