Strise Knowledge Graph

Kopplar samman näringslivet

Strise Knowledge Graph är ett dynamiskt nätverk i ständig utveckling, utformat för att underlätta förståelsen av det komplexa nätverket av relationer i näringslivet.

Vad är det

I grunden är Knowledge Graph en omfattande databas uppbyggd som ett spindelnät med två grundläggande komponenter:

• Entiteter: Företag, personer, platser, branscher och ämnen – nyckelaktörerna i affärsvärlden.
• Relationer: Kopplingarna som visar hur entiteter är länkade – från styrelseuppdrag till Äganderätt och geografisk verksamhet.

Vilken data innehåller den

Entiteter

• Företag: Strukturer för Äganderätt, styrelseledamöter, finansiell information, branschklassificeringar
• Personer: Verkliga huvudmän (UBO:er), styrelseledamöter, intressenter, med metadata som nationalitet och födelsedatum
• Platser: Verksamhetsadresser, huvudkontor, geografisk närvaro
• Branscher: Kategoriseringar för riktad riskanalys
• Ämnen: Teman som negativ mediepublicering, hög risk, penningtvätt

Relationer

• Äganderätt: Direkta och indirekta strukturer för Äganderätt, inklusive verkliga huvudmän (UBO:er)
• Styrelseuppdrag: Individer kopplade till sina roller inom företag
• Regulatoriska kopplingar: Kopplingar till Sanktioner, PEP och negativ mediepublicering
• Geografiska kopplingar: Kopplingar till högriskregioner eller sanktionerade regioner

Händelser och uppdateringar

• Medieomnämnanden: Artiklar berikade med relevanspoäng
• Regulatoriska förändringar: Sanktioner, PEP-statusar, efterlevnadshändelser
• Företagsförändringar: Registeruppdateringar om Äganderätt, struktur eller ekonomi

Så fungerar det

Datainhämtning

Systemet samlar in stora mängder data från olika källor och normaliserar och standardiserar den för grafens struktur.

Kontextuell förståelse

NLP särskiljer termer – till exempel företaget "Apple" från frukten "äpple" genom att analysera sammanhanget.

Entitetslänkning

En avancerad modul för entitetslänkning (EL) kopplar text i dokument till entiteter i Knowledge Graph:

• Kandidatval: Identifierar potentiella entitetsmatchningar
• Grafbaserad poängsättning: Använder PageRank-inspirerade tekniker för att poängsätta entiteter
• Maskininlärning: Förfinar matchningar med hjälp av parametrar för popularitet och frekvens

Grafintegrering

Validerade entiteter integreras genom att noder (entiteter) och kanter (relationer) skapas eller uppdateras.

Synliggör insikter

Grafen följer relationer för att upptäcka indirekta kopplingar – till exempel en flaggad ägares kopplingar till ett högriskland.

Värdeerbjudande

• Helhetssyn: Se hur fakta hänger ihop, inte bara isolerade datapunkter
• Objektivt perspektiv: Flera olika källor ger en balanserad förståelse
• Dolda relationer: Identifiera risker som skulle förbises i enskilda rapporter
• Agerbara insikter: Få reda på om en ägare omfattas av Sanktioner, även utan direkt omnämnande i en enskild källa

Viktiga punkter

Knowledge Graph är:

• Ett nätverk i ständig utveckling som speglar affärsvärldens dynamik
• Ett system som kontinuerligt lär sig av ny data
• Ett verktyg som knyter ihop trådarna för att avslöja dolda relationer
• Ett sätt att omvandla komplexa rådata till agerbara insikter