课程大纲
Part 0：知识图谱基础
第一章：介绍
1.1 什么是知识图谱
1.2 知识图谱所涉及到的技术
1.3 知识图谱的应用场景
1.4 课程需要解决的业务问题：大数据风控
1.5 整体系统架构
1.6 课程结构：最小可用系统（MVP）到完整系统
Part 1：搭建最小可用的离线风控系统
第二章：Neo4j与APOC组件介绍
2.1 MySQL语句使用回顾
2.2 图数据库介绍：Neo4j
2.3 APOC组件的介绍
2.4 通过APOC把MySQL数据导入到Neo4j
第三章：Cypher语句使用
3.1 Cypher的查询
3.2 Cypher的修改、增加、删除
3.3 Neo4j的索引
3.4 Cypher的复杂查询
3.5 Cypher的路径检索（比如最短路径）
项目1：搭建最小可用系统 之（一）
1.基于给定的少量风控数据（包括3个关系表），把数据通过APOC组件导入到Neo4j
2.通过Cypher语句完成简单的查询
第四章：风控算法介绍
4.1 风控算法的评估
4.2 逻辑回归算法介绍
4.3 GBDT算法介绍
第五章：风控规则的制定与服务开发
5.1 风控规则的制定
5.2 风控规则的存储
5.3 风控模型的搭建
第六章：微服务介绍
6.1 什么是微服务
6.2 企业是如何应用微服务
6.3 Java常用微服务框架
6.4 规则引擎微服务开发
项目2：搭建最小可用系统 之（二）
1.利用Cypher编写不同的风控规则和模型
2.把结果以微服务的方式输出
Part 2：搭建完整的离线风控系统
第七章：非结构化数据（邮箱数据）的处理
7.1 知识图谱中常用的NLP算法介绍
7.2 文本预处理：分词、停用词过滤
7.3 命名实体识别
7.4 实体和关系的抽取
7.5 分类算法介绍
第八章：风控知识图谱设计
8.1 业务问题剖析
8.2 知识图谱的设计原则
8.3 知识图谱设计过程中常见的错误
第九章：实体（公司名）的消歧
9.1 常用的实体消歧技术
9.2 实现公司名字的消歧
第十章：Kafka消息队列介绍
10.1 环境搭建
10.2 生产者与消费者
10.3 消息订阅
10.4 Kafka Topic介绍
第十一章：数据的增量更新
11.1 增量更新的技术框架设计
11.2 环境搭建
11.3 工程开发
项目3：基于千万级数据的风控知识图谱搭建
1.观察并分析给定的千万级数据集
2.邮件数据的预处理，并通过自然语言处理技术自动对邮件内容加上标签，并存储在MySQL库中
3.根据知识图谱设计原则来设计合理的风控知识图谱
4.公司名的消歧
5.把数据批量导入到Neo4j中
6.模拟故障场景，利用Kafka实现数据的增量导入
7.设计有效的风控规则来构建风控模型
8.把模型结果利用微服务返回到业务系统中
Part 3：利用图计算引擎实现大规模图挖掘算法
第十二章：图挖掘算法
12.1 图挖掘算法介绍
12.2 图挖掘算法的应用场景
12.3 常见的社区挖掘算法
12.4 LOUVAIN算法介绍以及实现
12.5 标签传播算法介绍以及实现
12.6 在小数据集上实现图挖掘算法
第十三章：图数据库：Spark GraphX
13.1 Spark GraphX的应用场景介绍
13.2 GraphX架构介绍
13.3 环境搭建
13.4 GraphX的API介绍
13.5 Neo4j数据导入到GraphX中
13.6 在GraphX中实现图挖掘算法
项目4：基于GraphX的挖掘算法实现和模型训练
1.搭建Spark Graph环境，并把Neo4j数据导入进去
2.业务问题的定义
3.在GraphX上实现社区挖掘算法
4.整合社区挖掘算法结果和规则输出的结果
5.把结果以微服务方式返回到业务系统
Part 4：搭建完整的实时+离线风控系统
第十四章：实时知识图谱风控系统
14.1 实时风控系统的框架设计
14.2 Canal的应用场景
14.3 Canal的框架介绍
14.4 Canal的环境搭建
14.5 实时代码的工程开发
14.6 Neo4j Driver的实现
14.7 实时风控系统与业务系统通信
项目5：实时知识图谱风控系统开发
1.Canal client的功能实现
2.Neo4j Driver工程开发
3.Kafka通信系统开发
第十五章：课程总结
获取方式（注明贪心知识图谱）
