项目简介

针对目前图神经网络（GNN）结合知识图谱（Knowledge Graph）在反诈研究上仍较少的现状，本开源项目在技术研究基础上，通过网络爬虫进行对象探测、数据收集、数据处理；利用jieba分词进行实体识别；使用py2neo库构建知识图谱；用neo4j图数据库存储知识图谱；运用 mindspore 构建图神经网络模型对知识图谱进行补全与推理。最后还提出了反诈骗小程序的设计方案。

项目设计

聚焦爬虫

聚焦爬虫流程图

实体识别

实体识别流程图

知识图谱构建

知识图谱构建示意图

知识图谱推理

知识推理流程图

爬虫使用

文章爬取

爬取的文章部分展示

数据清洗

数据清洗后展示

Neo4j 图数据库使用

Neo4j 简介

Neo4j是一个高性能的,NOSQL图形数据库，它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎，但是它将结构化数据存储在网络(从数学角度叫做图)上而不是表中。Neo4j也可以被看作是一个高性能的图引擎，该引擎具有成熟数据库的所有特性。程序员工作在一个面向对象的、灵活的网络结构下而不是严格、静态的表中——但是他们可以享受到具备完全的事务特性、企业级的数据库的所有好处。

Neo4j安装

Neo4j官网：
https://neo4j.com/

Neo4j使用

mindspore图神经网络使用

代码简介

安装环境

pip install -r requirements.txt

使用

python Main.py

结果图

程序结果图

打开neo4j输入如下指令

MATCH (n) RETURN n LIMIT 100

知识图谱结果

打开neo4j输入如下指令

UNWIND ['0', '1'] AS label
MATCH (n {label: label})
CALL apoc.create.vNode([label], {content:n.content}) YIELD node AS vPerson
RETURN vPerson

二分类结果

管理仓库

从命令行创建一个新的仓库

touch README.md
git init
git add README.md
git commit -m "first commit"
git remote add origin https://www.gitlink.org.cn/tmlwacre/fraudKG.git
git push -u origin master

从命令行推送已经创建的仓库

git remote add origin https://www.gitlink.org.cn/tmlwacre/fraudKG.git
git push -u origin master

文件说明

MindSpore知识图谱图神经网络

里面包含测试数据、数据预处理文件、构建知识图谱代码、MindSpore图神经网络代码、测试代码。

爬虫

里面包含用于爬取网页数据的爬虫代码。

微信小程序

里面包含现有微信小程序的代码。

小程序设计图

里面包含未来微信小程序的设计图。

诈骗案例数据集

里面包含爬虫收集的各个平台的完整数据