一、前言

關於知識圖譜的概念，這裡不加贅述，可以參考：知識圖譜簡介
下文會基於上市公司的基本資料，如：行業、地區、高管等，進行一個簡單的實戰。

二、構建步驟

1、資料抽取

上市公司的資訊可以從很多地方獲取到，包括證監會或各類財經網站，或者工商局官網等等，基於獲取難度與專案要求，使用以下網站：
新浪財經
巨潮資訊網

（1）上市公司基本資料

這裡從新浪財經獲取，基本沒有難度，筆者已經擁有一份資料，這裡就不加介紹了，總共包含3000+的上市公司資訊，結構如下：

（2）上市公司高管資料

上述兩個網站得到的資料都是結構化資料，可以很輕易的確定實體，及實體關係。

2、資料融合

這裡只有兩個互不相關的資料來源，資料基本可以直接使用，忽略資料來源的錯誤。
對於每一個實體，我們希望實體是唯一的，對於上市公司，可以直接使用股票程式碼，而人物，這裡用簡單“出生日期+性別+姓名”的雜湊碼來確定。如下：

hash_md5(person[u'出生年份']+person[u'性別']+person[u'姓名'])

考慮到資料來源簡單，行業與地區都直接使用名稱即可，對原始資料進行處理，分別提取出人物、公司、行業、地區的實體。

3、本體概念確定

上文定義了四個概念：人物、公司、行業、地區，同時分別確定了概念下擁有的屬性，如：姓名、學歷、股票程式碼、上市日期等，按照這個規則，我們定義了行業圖譜下的本體庫。

4、關係圖譜搭建

前面的資料都存在mongo中，圖資料庫擁有更加友好的視覺化介面及關係計算功能，接下來將資料轉為三元組，匯入到neo4中。
關於neo4j不做介紹，詳情請自行了解：

（1）連線建立

對於neo4j的操作使用python庫py2neo，如下：

from py2neo import Graph, Node, Relationship
Graph = Graph(NEO4J_SERVER, username=NEO4J_USR, password=NEO4J_PWD)

（2）建立節點

在neo4j中，需要為每一個實體建立節點：

for person in persons:
    node = Node("Person", **person)
    Graph.create(node)

Node的name屬性自動成為瀏覽器介面中節點的名稱，如圖：

（3）建立關係

在上文中定義了四個概念，概念間存在“公司–人物”，“公司–行業”，“公司–地區”這三種關係，需要為每一種關係進行建立：

   node = Node("Company", **company)
   neo4j.Graph.create(node)
   industry = company['industry']
   if industry:
       r_node = neo4j.Graph.find_one("Industry", "name", industry)
       company_r_industry = Relationship(node, "Profit", r_node)
       neo4j.Graph.create(company_r_industry)

對於人物與公司之間定義了“Manage”關係，找到公司對應的高管在neo4j中的實體節點，然後構建關係；
公司與行業之間定義了“Profit”關係，同上；
公司與地區之前定義了“Located”關係，同上；

三、例項

通過上述步驟，一個簡單的行業知識圖譜就已經構造完成了，

查詢公司關聯

通過構建完畢的圖譜，可以查詢上市公司之間的關聯關係，如：

上述便是簡單的浦發銀行通過高管與其他公司的關聯關係，如果要更加深入，將關係維度擴大即可。

其他

（1）企業實際控制人查詢，增加股權結構關係，通過法人持有股份最終追蹤到實際控制人
（2）企業風險評估、企業社交圖譜等等