營收增長

圖數(shù)據(jù)庫GDB提供智能搜索推薦一體化服務(wù)，能夠精準(zhǔn)理解用戶的想法，并向用戶推薦想要的商品，用戶也可以根據(jù)業(yè)務(wù)場景定制方案，以提升核心業(yè)務(wù)指標(biāo)，實(shí)現(xiàn)業(yè)務(wù)營銷收入的增長。例如，某奢侈品電商在核心搜索業(yè)務(wù)渠道接入阿里云智能搜索推薦服務(wù)，助力客戶優(yōu)化搜索推薦結(jié)果，打造“猜你喜歡”的個性化推薦方案，新用戶平均GMV提升61.88%，平均點(diǎn)擊率提升18.44%。

金融風(fēng)控

傳統(tǒng)的金融風(fēng)控模型，能夠匯集各個數(shù)據(jù)源的屬性特征信息，但是比較難挖掘數(shù)據(jù)源之間的深度關(guān)聯(lián)關(guān)系。要深度并且快速的挖掘海量數(shù)據(jù)的關(guān)聯(lián)特征，使用傳統(tǒng)的方法則會面臨非常大的技術(shù)挑戰(zhàn)。通過圖表示學(xué)習(xí)技術(shù)，提取知識圖譜中的拓?fù)湫畔⑻卣鳎鳛轱L(fēng)控模型的輸入條件，參與模型訓(xùn)練，可以幫助金融機(jī)構(gòu)構(gòu)建更高精度的風(fēng)控模型。

商品推薦

基于圖的推薦算法是當(dāng)前推薦系統(tǒng)中的一種重要的技術(shù)方向，在兼顧了推薦精度的同時，還能讓模型具備較好的可解釋性。通過圖的共性關(guān)系發(fā)現(xiàn)和分析方法，通過計算共同鄰居數(shù)進(jìn)行相似節(jié)點(diǎn)推薦。適用于電商、保險的商品推薦場景。

社交推薦

圖數(shù)據(jù)庫GDB可以輕松應(yīng)對海量高度互連社交數(shù)據(jù)的實(shí)時存儲和高效查詢，幫助您快速構(gòu)建復(fù)雜的社交網(wǎng)絡(luò)系統(tǒng)。例如，在一個典型的社交網(wǎng)絡(luò)中，常常會存在“誰認(rèn)識誰，誰上過什么學(xué)校，誰常住什么地方，誰喜歡什么餐館”等查詢，傳統(tǒng)關(guān)系型數(shù)據(jù)庫對于超過3張表關(guān)聯(lián)的查詢往往會很低效甚至無法支持，但圖數(shù)據(jù)庫從基因?qū)用嫣峁┝私鉀Q方案，輕松應(yīng)對社交網(wǎng)絡(luò)的各種復(fù)雜存儲和查詢。

循環(huán)擔(dān)保檢測

金融場景中，債權(quán)人所持有的債券是否超過檢測抵押物多次擔(dān)保的價值，對于風(fēng)險控制尤為重要。圖計算中的環(huán)檢測算法為核心，找到圖中閉環(huán)連接，幫助金融機(jī)構(gòu)發(fā)現(xiàn)抵押物和債權(quán)人之間的深層關(guān)聯(lián)關(guān)系，從而實(shí)現(xiàn)降低風(fēng)控成本的目的。

異常指標(biāo)監(jiān)控

交易如電子支付、移動支付發(fā)展的同時，也帶來了更為嚴(yán)峻的交易安全問題。為防止違法金融行為帶來經(jīng)濟(jì)損失，通過使用異常檢測算法在網(wǎng)絡(luò)金融交易領(lǐng)域的應(yīng)用，準(zhǔn)確識別網(wǎng)絡(luò)金融交易中存在的異常交易情況，及時阻止違法金融行為。通過圖數(shù)據(jù)庫，識別支付用戶的設(shè)備信息、支付環(huán)境信息、轉(zhuǎn)賬信息、社交信息，檢測可能出現(xiàn)的異常風(fēng)險，提高支付的安全性。

違規(guī)團(tuán)伙挖掘

很多平臺上都有團(tuán)伙作案的場景出現(xiàn)，如團(tuán)伙性信用卡套現(xiàn)、羊毛黨，甚至于團(tuán)伙性的違法、犯罪性活動。團(tuán)伙性作案的核心特征是，其成員之間具備某種關(guān)聯(lián)關(guān)系，或行為之間具備某些相似特征。通過圖結(jié)合機(jī)器學(xué)習(xí)的方式，提取團(tuán)伙關(guān)系圖譜之中的拓?fù)潢P(guān)系信息，以已知團(tuán)伙信息作為樣本，訓(xùn)練機(jī)器學(xué)習(xí)模型，針對目標(biāo)節(jié)點(diǎn)進(jìn)行分類，或其關(guān)系進(jìn)行預(yù)測。