实体
谁参与了这笔业务？
企业、金融机构与账户形成可关联的对象，承载各自的属性与身份信息。
场景
把关系放回发生的时间里
风险可能隐藏在多方协同与连续交易之中。把关系拆成两两连接，容易丢失共同参与的业务语义；只看某个时刻，也难以解释风险如何传递。时序超图将参与方、关系类型与发生时间放在同一表达中，支持沿业务链条追问。
多方关系
他们因为什么而关联？
一条超边保留同一业务中多个参与方的共同关系，以及交易、担保或股权等语义。
时间
关系怎样形成和变化？
时间信息补充事件先后与关系变化，使查询和分析能够追溯业务链条的演进。
平台能力
从图谱构建，到有依据的研判
平台围绕构建、查询、挖掘推理与风险分析组织流程。分析结果保留关联路径与时间背景，供业务人员结合原始材料复核，并将判断反馈到后续分析中。
构建
抽取实体与时序关系，融合多源信息并增量更新图谱。
形成关联底座查询
沿实体、关系和时间条件，开展多跳关联查询与路径追溯。
找到业务上下文挖掘
结合规则与表示学习，发现关联模式、异常线索和潜在风险。
汇集待核查线索研判
呈现相关对象与关系依据，支持人工核查和反馈。
服务业务判断
票据风险
沿流转链条寻找中介线索
连接出票、背书、贴现等环节中的企业与交易关系，结合流转顺序识别可疑关联模式，为票据中介及异常主体核查提供候选线索。
研判依据
关联企业 · 流转路径 · 时间序列
黑灰产风险
从单个账户延伸到协同行为
结合账户关联、交易链路与发生时间，分析群体行为和长链条中的异常联系，为潜在黑灰产账户与团伙排查提供线索。
研判依据
账户关系 · 交易链条 · 行为时序
风险线索与模型输出供人工复核，不直接构成对企业或账户的风险定性。
技术路线
以关系为底座，协同查询与学习
项目方案从数据表达、查询计算到表示学习分层展开：底层保留时序语义，中层服务关联分析，上层将图结构用于模式发现与风险研究。
关系表达
时序超图与知识融合
统一表达实体、多方关系与时间属性；通过实体融合、超关系融合和增量更新组织多源知识，并以多版本存储支持追溯。
时序超关系 · 知识抽取与融合 · 可追溯存储
查询计算
分布式查询与计算优化
围绕图划分、索引与异步查询优化关联分析。系统侧探索 RDMA 通信与异构计算，并从训练数据访问、GPU 资源配置和并发内存管理入手优化计算流程。
分布式查询 · RDMA · 训练资源调度
模式发现
表示学习与风险分析
结合位置与邻域信息增强实体表示，通过多结构图与注意力机制融合不同关系的信息，为关联模式挖掘与金融风险研究提供方法支撑。
实体表示 · 多结构图学习 · 规则挖掘
成果来源
项目成果，有公开出处
图立方由北京理工大学相关团队开展研究，项目获日内瓦国际发明金奖、纽伦堡国际发明金奖。以下官方介绍分别记录系统定位、平台能力与获奖成果。
图立方项目成果
日内瓦国际发明金奖
纽伦堡国际发明金奖
北京理工大学官方介绍可查本页根据项目方案与参展材料整理，技术路线结合相关研究申报材料说明。