中信证券陈辉华:Neo4j升级到企业级知识图谱平台的实践与成效
需积分: 5 47 浏览量
更新于2024-06-14
收藏 2.68MB PDF 举报
在2024DataFun论坛上,中信证券的陈辉华对外分享了其公司在知识图谱平台建设中的经验与解决方案。项目背景起始于2018年,当时中信证券在使用Neo4j社区版构建应用时,面临了一系列问题,如缺乏统一的资源和权限管理、计算资源限制(仅4个内核)、不满足高可用性需求,以及只能部署单实例而无法扩展。这些局限导致了应用无法满足企业级的需求。
随着业务的迅速增长,特别是2021年,中信证券决定升级到一站式图谱管理平台,以解决这些问题。他们选择了星环科技的分布式图数据库StellarDB和知识图谱SophonKG,构建了一个全新的企业级知识图谱平台。这个平台的关键特性包括:
1. 大规模分布式图计算能力,可处理百亿级别的数据,支持高效的图机器学习,用于诸如集团画像、科创板关联发现等金融应用场景。
2. 提供一站式运维管理、调度管理和权限管理,确保高可用性,并显著提升了性能,节省了金控报送的时间成本约30%。
3. 在专利、奖项和学术成果方面,平台获得了多项授权、外部认可和论文发表,显示了其技术实力。
实现方案分为两个关键阶段:
- 2021年12月,中信证券重构了企业图谱,包括但不限于企业图谱、集团客户画像、风险事件报告、科创板关联发现等,利用StellarDB的自研KV存储技术,设计了TB级的存储容量,以及Java、Python和RESTful API等多种接口,便于定制开发。
- 此外,平台还支持实时图查询、离线算法分析、数据压缩和多模存储等功能,涵盖了数据采集、图谱构建、计算和应用的全过程,实现了图谱的高效管理、发布和查询,例如任务调度、企业图谱分析、产业链图谱和各种业务场景图谱的应用,如反洗钱、稽核和ETF推荐。
通过这次升级,中信证券不仅解决了原有问题,还推动了业务创新,提升了整体运营效率。这个案例展示了企业在面对大数据挑战时如何通过引入先进的图数据库技术来优化知识管理并驱动业务价值。
2022-06-14 上传
2022-02-09 上传
2021-11-10 上传
2024-03-29 上传
2024-03-29 上传
2019-02-13 上传
FrontScience
- 粉丝: 0
- 资源: 74
最新资源
- 深入浅出:自定义 Grunt 任务的实践指南
- 网络物理突变工具的多点路径规划实现与分析
- multifeed: 实现多作者间的超核心共享与同步技术
- C++商品交易系统实习项目详细要求
- macOS系统Python模块whl包安装教程
- 掌握fullstackJS:构建React框架与快速开发应用
- React-Purify: 实现React组件纯净方法的工具介绍
- deck.js:构建现代HTML演示的JavaScript库
- nunn:现代C++17实现的机器学习库开源项目
- Python安装包 Acquisition-4.12-cp35-cp35m-win_amd64.whl.zip 使用说明
- Amaranthus-tuberculatus基因组分析脚本集
- Ubuntu 12.04下Realtek RTL8821AE驱动的向后移植指南
- 掌握Jest环境下的最新jsdom功能
- CAGI Toolkit:开源Asterisk PBX的AGI应用开发
- MyDropDemo: 体验QGraphicsView的拖放功能
- 远程FPGA平台上的Quartus II17.1 LCD色块闪烁现象解析