APPLICATION OVERVIEW
圖計算平臺從構建大數據架構開始，專業應對消費者行為數據處理的實時圖計算引擎。并成功應用于實時運營BI，社會化聆聽，數據管理平臺等產品中。
? 數據的抽象性和一致性（大數據）：高度抽象了各種關系，不必定義結構，就可以可以很好的表達人的行為，屬性，社會活動，廣告點擊，內容瀏覽和商品交易等各種抽象關系。與其他開源的圖數據庫不同，
該企業級圖數據庫中間包括了相關算法框架層，可以直接支持實時聚類，歸因分析，貝葉斯網絡等模型。同時避免直接訪問抽象的數據，可以提供面向業務邏輯的精準預測服務。（千億節點和邊的數據處理能力）
? 高性能與實時：由于本身就是專為挖掘關系設計的數據系統，
預先建立和存儲了對象關系數據，同時考慮了塊讀取和內存加速，所以與關系型數據庫相比，具有更高的查詢性能和無法比擬的計算性能，比如計算超過百萬潛在的消費者的屬性分布，只需要秒級返回結果，是傳統數據庫查詢的1000＋倍。（數據更新500K QPS, <100ms query)
? 靈活性并支持數據的動態演進：與傳統BI系統和數據倉庫相比，由于圖數據庫不必預先設計表格的結構，所以可以動態的插入任意關系類型，非常適合存儲動態變化的信息（如人的行為）。
SYSTEM ARCHITECTURE
PRODUCT ADVANTAGES
基于圖計算分析能力，搭建魔百和點播知識圖譜，關聯影片媒資信息，洞察用戶興趣偏好，達到影片實時推薦，提升用戶感知及業務能力。
不同于傳統的基于個人號碼的相關信息進行判斷，通過將通話關系整理成圖（網），基于個人號碼的拓撲關系，收集通話網絡中的信息來輔助判斷，減少了個人號碼信息偽造對判斷的影響，本模型中用到的數據特征涉及到多層數據關聯。
CUSTOMER VALUE
提升異常號碼識別的準確率，有效改善用戶通話環境。
利用前沿技術，創新應用價值。
利用產品優勢，實現降本增效。
實時推薦，提升用戶感知。
利用圖計算個性化推薦算法，提升推薦精準度及業務能力。
APPLICATION CASES
項目內容
為落實國家相關部門要求，開展“斷卡”行動精準打擊電信網絡詐騙，網思科技和某移動某省公司依托大數據和圖數據庫技術，研發了“實名不實人”監測處置模型，主要包括常駐地分析、交往圈分析、同時通話分析三個模型，從涉詐號碼的本源入手，對詐騙號碼進行“源頭打擊”，實現對電信網絡詐騙的長效管控。
項目效益：
1.創新建立了針對不良號碼源頭的治理體系，使治理效果不受詐騙手法、詐騙地域變化的影響。
2.不良號碼識別效果顯著，在反詐治理工作中成效顯著，對遏制電話類詐騙的高發勢頭發揮了重要作用，創造了良好的社會效益。
