一、知识图谱的相关理论

1.《肖仰华： 知识图谱下半场-机遇与挑战》：

肖仰华教授1万2千字长文带您深度剖析知识图谱的发展进程，系统整理知识图谱上半场的主要成果，分析知识图谱下半场的挑战与机遇。主要讲了知识图谱的理论发展、当前成果、未来的挑战和机遇。

https://mp.weixin.qq.com/s/xAvRl6FK9ZJjpuU_odBEPw

2.《知识图谱：方法、实践与应用-王昊奋 & 漆桂林 & 等》

这本书梳理了知识图谱中涉及的知识点，如知识工程、 自然语言处理、 机器学习、 图数据库等多个领域。 以及知识图谱的构建及应用涉及更多细分领域的一系列关键技术， 包括： 知识建模、 关系抽取、 图存储、 自动推理、 图谱表示学习、 语义搜索、 智能问答、 图计算分析等。

3.《如何自底向上构建知识图谱》

知识图谱的构建技术主要有自顶向下和自底向上两种。其中自顶向下构建是指借助百科类网站等结构化数据源，从高质量数据中提取本体和模式信息，加入到知识库里。而自底向上构建，则是借助一定的技术手段，从公开采集的数据中提取出资源模式，选择其中置信度较高的信息，加入到知识库中。

以下这篇文章，比较全面的分享了自底向上构建知识图谱的全过程

https://mp.weixin.qq.com/s/lBeV6XWzk5bqNGiIMok-zw

4.《图数据库白皮书和基础功能标准》

白皮书中根据《大数据 图数据库基础功能标准》提供了图数据库的七大选型要素。分别是：基本能力、高可用能力、分布式能力、兼容能力、管理能力、安全能力以及性能。

https://mp.weixin.qq.com/s/Rae2hM5q2oPsMLTlvWzSGg

常见的图数据有tigerGraph 、neo4j、arangoDB、JanusGraph等。

按照图是否原生分类，非原生图存储，有Tian/JanusGraph为代表的使用nosql存储的分布式图数据库，在分布式nosql上封装了一层逻辑的图，存储和查询分离，可能存在性能瓶颈。原生图数据库有neo4j、tigerGraph等，底层的数据按照图结构存储；按照是否为分布式分类，非分布式以Neo4j为代表，随着数据量增大，扩展性能是最大的瓶颈。分布式图数据库有tigerGraph、arangoDB等。

5. 《关系图谱在贝壳的构建和应用》

https://mp.weixin.qq.com/s/g2IA7S4STN61orwAANtBdg

二、知识图谱在金融行业的应用

《知识图谱 | 知识图谱反洗钱应用 》

来源：中国银联电子支付研究院、风险监控服务中心

https://zhuanlan.zhihu.com/p/90635957

https://zhuanlan.zhihu.com/p/90636740

以下资源来自tigerGraph公众号

《图实践之反欺诈介绍》：

https://www.tigergraph.com.cn/wp-content/uploads/2020/03/fraud-detection-ppf.pdf

《图实践反欺诈案例分享》：

https://www.tigergraph.com.cn/wp-content/uploads/2020/03/fraud-detection-case.pdf

《图数据库建模最佳实践》：

https://www.tigergraph.com.cn/wp-content/uploads/2020/04/Modeling-with-Tigergraph.pdf