Strise Knowledge Graph

Kobler sammen næringslivet

Strise Knowledge Graph er et dynamisk nettverk i konstant utvikling, utviklet for å hjelpe med å forstå det komplekse nettverket av relasjoner i næringslivet.

Hva er det

I kjernen er Knowledge Graph en enorm database strukturert som et spindelvev med to grunnleggende komponenter:

• Entiteter: Selskaper, personer, lokasjoner, bransjer og temaer – nøkkelaktørene i næringslivet.
• Relasjoner: Forbindelsene som viser hvordan entiteter er koblet sammen – fra styreverv til eierskap og geografisk virksomhet.

Hvilke data inneholder den

Entiteter

• Selskaper: Eierskapsstrukturer, styremedlemmer, finansiell informasjon, bransjeklassifiseringer
• Personer: Reelle rettighetshavere (UBO-er), styremedlemmer, interessenter, med metadata som nasjonalitet og fødselsdato
• Lokasjoner: Driftsadresser, hovedkontorer, geografisk tilstedeværelse
• Bransjer: Kategoriseringer for målrettet risikoanalyse
• Temaer: Temaer som negativ medieomtale, høy risiko, hvitvasking

Relasjoner

• Eierskap: Direkte og indirekte eierskapsstrukturer, inkludert reelle rettighetshavere (UBO-er)
• Styreverv: Enkeltpersoner koblet til sine roller i selskaper
• Regulatoriske koblinger: Forbindelser til sanksjoner, PEP-er og negativ medieomtale
• Geografiske forbindelser: Koblinger til høyrisikoområder eller sanksjonerte regioner

Hendelser og oppdateringer

• Medieomtaler: Artikler beriket med relevansskåring
• Regulatoriske endringer: Sanksjoner, PEP-statuser, compliance-hendelser
• Selskapsendringer: Registeroppdateringer om eierskap, struktur eller finansielle tall

Hvordan det fungerer

Datainnhenting

Systemet samler inn store mengder data fra ulike kilder, og normaliserer og standardiserer det for strukturen i Knowledge Graph.

Kontekstuell forståelse

NLP fjerner tvetydighet i termer – og skiller for eksempel selskapet «Apple» fra frukten «apple» ved å analysere konteksten.

Entitetskobling

En avansert entitetskoblingsmodul (Entity Linking / EL) kobler tekst i dokumenter til entiteter i Knowledge Graph:

• Kandidatutvelgelse: Identifiserer potensielle entitetstreff
• Grafbasert skåring: Bruker PageRank-inspirerte teknikker for å skåre entiteter
• Maskinlæring: Forbedrer treff ved hjelp av popularitets- og frekvenstrekk

Grafintegrering

Validerte entiteter integreres ved å opprette eller oppdatere noder (entiteter) og kanter (relasjoner).

Avdekke innsikt

Knowledge Graph navigerer gjennom relasjoner for å avdekke indirekte koblinger – for eksempel en flagget eiers forbindelser til et høyrisikoland.

Verdiforslag

• Helhetlig oversikt: Se hvordan fakta henger sammen, ikke bare isolerte datapunkter
• Objektivt perspektiv: Ulike kilder gir en balansert forståelse
• Skjulte relasjoner: Identifiser risikoer som ville blitt oversett i enkeltstående rapporter
• Handlingseffektiv innsikt: Vit om en eier er sanksjonert, selv uten direkte omtale i en enkelt kilde

Hovedpunkter

Knowledge Graph er:

• Et nettverk i konstant utvikling som gjenspeiler dynamikken i næringslivet
• Et system som kontinuerlig lærer av nye data
• Et verktøy som kobler sammen punktene for å avdekke skjulte relasjoner
• En måte å gjøre komplekse rådata om til handlingseffektiv innsikt