400-608-2558
029-86698003
400-608-2558
029-86698003
引言
隨著信息技術的迅猛發展及企業數字化轉型，快速積累了大量的數據，其中關系類數據如社交數據、電商數據等呈指數級增長。圖結構數據在各個場景中也得到越來越多的應用，包括社交網絡、推薦搜索、知識圖譜、醫藥研發、量子物理等。在探索這些“關系數據”過程中，其相對基于傳統結構化數據的方法顯現出了巨大優勢，圖數據存儲及圖算法等也得到了迅猛的發展。
圖結構數據的火熱應用快速擴展到各個領域，其中金融領域為進一步增強智能風控管理能力，更好地支撐信貸等業務的發展，也陸續開展基于圖數據的模型建設研究。
目前，常規的基于結構化數據的分析方法首先對數據進行特征分析，構建特征工程，然后選取指標搭建相應的分類模型。這種方法沒有考慮數據之間的關聯性，如“同地址”、“同電話”的客戶相互影響很大，而把這種“相互影響”考慮進行建模過程，對模型性能提升會有較大影響。
同時，銀行現有的圖譜數據通常是非常直接的關聯。如兩個人之間是夫妻關系，這對于基礎的連通圖、社區發現等依賴于構圖的圖算法有較大影響。需要我們去豐富構圖的方法，建立節點與節點之間的隱性關聯。
為了充分利用現有結構化屬性數據及圖譜數據，在構建圖計算平臺時，既加入了傳統的出入度、簇系數、介數等中心性指標，也做圖的表征學習，考慮節點和邊關系的屬性信息，以進行更好的信息融合。
一、整體架構
圖計算平臺整體架構最底層為執行框架層，具體采用Spark框架來實現，支撐算法層中各操作，并將獲取到的特征（包含節點屬性和邊關系屬性）輸入到Euler/TensorFlowOnSpark中構建具體的分類模型。
算子層是圖計算常用的操作，包括鄰居采樣、隨機游走、消息傳播、最短路徑等。
算子之上是圖算法層。由于現有圖數據為很大的異構圖，需要通過同構圖抽取、louvain分割算法等進行子圖構建，且由于業務規則，抽取的圖為有向圖。這部分需要對現有的算法進行改造，以支撐該場景。同時會對抽取的子圖提取節點度、簇系數、介數等統計指標。嵌入表示方面，有基于拓撲結構的Node2Vec/Struct2vec及基于采樣的LINE/GraphSage等算法。
圖平臺應用主要是風控，常見的應用場景有欺詐檢測、信用貸款、潛客發現等。
二、算法改造
由于業務的特殊性，圖數據間關系均為有向連接，且帶有權重，就需要我們基于Spark實現對應的算法，包括有向最短路徑、二度/三度同構圖、有向連通圖、有向Louvain算法、有向LPA算法和有向Node2Vec算法。
以Louvain分割算法為例，簡述算法的改造過程。
Louvain算法是基于模塊度的圖分割算法，能夠發現層次性的社區結構，其優化目標為最大化整個子圖的模塊度，其改造難點在于模塊度的改造及并行化實現。
模塊度是評估一個圖劃分好壞的度量方法，它的物理含義是子圖內節點的連邊數與隨機情況下的邊數之差，其定義如下：
其中，Aij表示節點i和節點j之間的權重，當網絡不帶權重時，可看做為1；Ki=∑jAij表示所有與節點i相連的邊的權重之和（度數）；Ci表示節點i所屬的子圖；m=0.5*∑ijAij表示所有邊的權重之和（邊的數目）。∑in表示子圖c內的邊的權重之和，∑tot表示與子圖c內的節點相連的邊的權重之和。基于模塊度的社區發現算法，都是以最大化模塊度為Q目標。
對于有向模塊度，具體參考《Directed Louvain : maximizing modularity in directed network》。基本思想為：如果兩個頂點u和v，u具有小的進度、大的出度，v有小的出度、大的進度，則存在從u到v的連接概率應大于從v連向u的概率。可定義出有向圖的（Leich and Newman）模塊度為：
其中Aij表示存在i到j的邊，diin,djout分別表示入度和出度。進而模塊度的變化量可寫為：
其中，∑totin(resp.∑totout)表示連接子圖C的入度（出度）。
由于原始算法是逐個選擇節點，重新計算它的子圖，不斷進行迭代。這種串行化的計算方式，對分布式計算框架非常不友好。因為在選擇一個節點進行計算時，其它的節點是不能進行變化的。
這種方式不能進行并行化計算，也不能充分利用分布式框架的高并發、集群計算優勢。
為了使算法能夠運行在集群環境上，需要對算法進行并行化改造。如在每輪迭代中同步更新多個節點的信息，即根據t-1輪中鄰居節點的信息來更新t輪中節點的信息。但這樣會造成“消息滯后”，造成“子圖互換”問題。因此，需要進行后處理。基于算法結果，求解連通區域，將同一個連通區域的點都歸為一個子圖。
三、建模流程
基于圖計算平臺的數據建模流程大致可分為以下四個步驟：
1、圖構建：結合圖計算平臺能力，實現同構子圖的獲取。首先結合分布式切片策略將數據加載到Spark中，然后借助Spark實現屬性數據的清洗。如缺失值填充、孤立點處理等。然后結合消息傳播實現一度、二度、三度同構圖的獲取，并采用Louvain分割算法、LPA算法、連通分析算法得到最終的同構子圖。
2、圖特征：結合圖計算平臺能力，獲取各節點特征表示。特征包含基于節點度、中心性等的統計特征，還包括基于Node2Vec、LINE、GraphSage的嵌入表示特征，并將兩者進行拼接，同時對于同一節點在不同子圖中的特征，也進行拼接，進而獲得節點的最終特征表示。
3、圖模型：結合具體的業務場景，構建圖模型。具體可借助Euler建模平臺，構建GCN等圖分類模型，也可借助TensorFlowOnSpark框架，實現基于TensorFlow和Spark的分布式深度學習模型構建。
4、新圖關聯：對于新增客戶，所構成的異構子圖。根據其屬性相關性（相似或相同），和已有的異構圖數據進行關聯，然后進行后續處理，處理流程同1、2、3步。
四、場景示例
以“潛客發現”場景為例，通過對用戶的歷史數據進行分析，提取不同維度的信息，對客戶意愿進行預測，以達到發掘潛在客戶的目的。其關鍵在于通過模型算法挖掘出數據中所隱含的用戶行為規律。傳統的方法不能對用戶各行為及用戶間各關系進行建模，通常具有較低的召回率。
故結合上述建模流程，探索圖計算在“潛客發現”場景的效果。具體數據實體（節點）有手機號、地址、郵箱等，關系有親屬關系、交易關系等，屬性有姓名、性別、年齡等，按照上述流程對有154萬節點、917萬條邊及34個屬性的圖數據進行處理，構建相關特征，各算子運行效率如下：
最終，對于具有1億節點、15億條表的圖數據，提取特征后構建分類模型。其效果如下圖所示：
可以看出，基于圖數據的建模方式可以獲得更高的精度和召回率，對于金融機構在發掘潛在價值客戶的精準度有較明顯的提升，從而更好的支撐“潛客發現”的業務開展。
借助分布式計算和圖計算，可以對大規模的圖數據進行處理，在結構化數據的基礎上融合“關系數據”，建立出性能更好的模型。在金融系統的欺詐檢測、信用貸款、潛客發現等應用場景都能得到廣泛的應用，實現金融企業智能風控管理能力的有效提升。
近年來，隨著人工智能、大數據等新技術的深入應用，為金融機構的業務開展帶來了革命性的變革。美林數據依托領先的數據價值挖掘技術與能力，為銀行、保險、證券、基金等金融機構提供專業的數據治理、數據分析與挖掘等數字化技術服務，助力提升金融機構的風控管理、市場營銷等業務能力，利用金融科技助推我國金融市場的繁榮發展。
友情鏈接
