1. 课程导入

欢迎进入《金融图负采样与困难样本构建实战》。在正式动手写模型之前，我们需要先建立一张清晰的“认知地图”：金融图学习到底在解决什么问题，负采样为什么是图神经网络训练中不可回避的环节，困难样本构建又能带来怎样的收益。本章不涉及复杂公式推导，而是帮助你把后续30章的技术点串成一条可执行的实战路线。

一、金融图学习的目标：从关系中发现风险与机会

金融业务天然是图结构。账户与账户之间有转账关系，企业与个人之间有担保关系，设备与IP之间有登录关系，商户与持卡人之间有交易关系。把这些实体抽象为节点，把关系抽象为边，就得到了金融图。金融图学习的核心目标，是在这张关系网络上完成节点分类、链接预测、社区发现和异常检测等任务。

以反欺诈为例，传统风控模型主要依赖单点特征，比如某个账户近7天交易金额、登录频次、设备更换次数。但欺诈团伙往往通过多个账户分散行为，单点特征很难识别。图学习能够捕捉“邻居风险传播”：如果一个账户的邻居中已有多个被标记为欺诈，那么该账户的风险概率会显著上升。这就是金融图学习最直接的价值——利用关系结构补足单点特征的盲区。

金融图学习的目标可以归纳为三类：

• 风险识别：识别欺诈账户、洗钱团伙、异常交易链路。
• 关系推断：预测潜在担保关系、资金流向、客户关联。
• 排序与推荐：在信贷、理财、保险场景中做候选排序。

这三类目标最终都依赖一个共同基础：模型能够区分“真实存在的正样本关系”和“随机采样的负样本关系”。如果负样本质量差，模型学到的决策边界就会偏离真实业务分布。

二、负采样与困难样本构建的核心价值

在图神经网络中，训练目标通常要求模型对正边给出高分，对负边给出低分。但金融图中负边并不是天然存在的——没有发生转账的两个账户，不代表它们之间没有潜在关系。因此，负采样本质上是在“未观测到的边”中构造训练信号。

随机负采样是最简单的方法：从所有未连接节点对中均匀抽取。但在金融图中，随机负样本往往过于容易区分。例如，一个高频交易账户和一个长期休眠账户，模型仅凭度特征就能分开，根本学不到结构信息。这就引出了困难负样本的概念。

困难负样本通常来自以下几类：

• 结构相似但标签不同：两个账户共享多个邻居，但一个欺诈一个正常。
• 特征接近但关系不同：交易金额、频次相似，但资金流向模式不同。
• 时间邻近但因果不同：同一时间段内发生交易，但一个是正常消费，一个是套现。
• 高阶邻居混淆：二跳邻居高度重叠，但实际属于不同团伙。

困难样本构建的价值在于：它把训练集中“模型最容易犯错”的区域暴露出来，迫使模型学习更细粒度的结构差异。在金融风控中，这直接对应误报率和漏报率的平衡。

三、整体课程框架与实战路线图

本课程共30章，按照“基础—方法—实战—复盘”四段式推进。下面这张路线图展示了各模块之间的依赖关系与推进顺序。

从路线图可以看到，基础模块解决“图怎么表示、环境怎么搭”；方法模块解决“负样本怎么采、困难样本怎么挖”；实战模块把方法落到反欺诈场景；复盘模块则回答“效果好不好、为什么好、怎么继续优化”。

四、常见误区与复盘思路

在正式进入代码之前，先了解几个高频误区，可以帮你少走弯路。

误区	表现	正确做法
负采样完全随机	模型AUC很高，但线上误报率居高不下	引入基于度、相似度、时间窗口的分层采样
困难样本过多	训练损失震荡，模型过拟合噪声	控制困难样本比例，配合课程学习逐步增加难度
忽略时间泄漏	离线指标虚高，线上效果骤降	按时间切分训练/验证/测试，负采样也遵循时间边界
只关注AUC	模型排序能力好，但阈值附近区分度差	同时看PR-AUC、KS、召回@固定误报率

本章建立了三个基本认知：金融图学习的目标是利用关系结构补足单点特征；负采样决定训练信号的质量，困难样本决定模型边界的精细度；30章课程按照基础、方法、实战、复盘四段推进。接下来，我们将从图数据表示开始，逐步搭建完整的负采样与困难样本构建流水线。