1. 课程导入
在金融业务中，数据从来不是孤立存在的。一个客户会关联多个账户，一个账户会触发多笔交易，一笔交易会连接付款方、收款方、设备、IP、商户与地理位置；一家上市公司会通过股权、担保、供应链、董监高任职等关系与成百上千个主体产生联系。把这些对象和关系组织成图结构后，我们得到的不是一张静态的“关系网”，而是一种可计算、可推理、可检索的金融知识底座。本课程的第一节，先不急于写模型，而是把三个问题讲清楚：金融图数据到底值钱在哪里？图Embedding解决了什么问题？相似关系检索在金融场景中如何落地？
一、金融图数据的价值：从“记录事实”到“发现关系”
传统金融数据系统擅长记录事实：某日某账户向另一账户转账多少金额、某客户持有某产品多少份额、某企业注册资本是多少。但风险与机会往往藏在关系里。例如，欺诈团伙不会只用同一个身份证开户，而是通过多层转账、共用设备、交叉担保形成隐蔽网络；供应链金融的风险也不只取决于单个企业，还取决于其上下游集中度与担保链长度。图数据的核心价值，是把“点”的信息升级为“点—边—路径—子图”的多层次信息。
具体而言，金融图数据在四类任务中价值最突出：
- 风险识别：通过资金环路、密集转账、异常担保链发现欺诈、洗钱与团伙作案。
- 客户洞察：通过股权、任职、交易关系识别实际控制人、核心企业与高价值客群。
- 合规审查：通过关联方路径与受益所有人计算满足反洗钱、关联交易披露要求。
- 智能检索：通过图相似关系找到“与目标主体行为模式相近”的候选对象，用于预警与推荐。
一句话理解：金融图数据把“谁是谁”扩展为“谁和谁有什么关系、关系有多强、关系如何演化”，从而支撑风险、营销、合规与投研等上层应用。
二、图Embedding：把图结构变成可计算的向量
图结构虽然表达力强，但直接做相似度计算、聚类或向量检索并不方便。图Embedding的目标，是为图中的每个节点、边或整个子图学习一个低维稠密向量，使得原图中“结构相近、语义相近、角色相近”的对象，在向量空间中也彼此接近。这样，复杂的图匹配问题就可以转化为向量空间中的距离计算问题。
从方法上看，图Embedding大致经历三代思路：
- 基于随机游走：如DeepWalk、Node2Vec，通过游走序列把图转化为“词序列”，再用Skip-gram学习节点向量。优点是工程成熟，适合大规模同构图。
- 基于矩阵分解与图信号：如LLE、GraRep，以及后来的图卷积网络GCN、GraphSAGE，通过聚合邻居信息学习节点表示，能利用节点特征与边特征。
- 基于异构图与关系建模：如Metapath2Vec、HAN、RGCN，针对金融图中“客户—账户—交易—设备—企业”等多类型节点和边，按元路径或关系类型分别聚合。
在金融场景中，图Embedding通常不是单独使用，而是与规则、图算法、向量索引组合。例如，先用图算法找出可疑子图，再用Embedding做相似团伙扩展；或者先用Embedding召回候选，再用规则做精确校验。
三、相似关系检索：从“精确匹配”到“近似邻居”
相似关系检索要解决的问题是：给定一个查询对象（节点、边或子图），在金融图中快速找到与之相似的对象集合。这里的“相似”可以指结构相似（如都是星型转账中心）、属性相似（如行业、规模、地域接近）、行为相似（如交易时序模式接近）或混合相似。与传统的SQL精确查询不同，相似检索通常需要向量索引支持，如Faiss、HNSW、ScaNN等，以在亿级向量中实现毫秒级召回。
一个典型的相似关系检索流程如下：
输入：查询主体 q（如某可疑账户）
1. 抽取 q 的局部子图与特征
2. 使用图Embedding模型生成 q 的向量 v_q
3. 在向量索引中执行近邻搜索，得到候选集合 C
4. 对 C 中的候选做图结构校验与规则过滤
5. 输出相似主体列表及相似理由（路径、共同邻居、模式标签）
下面这张图展示了从金融图数据到相似关系检索的整体结构。图中左侧是原始多源数据，中间是图构建与Embedding学习，右侧是检索与应用。请重点观察“关系”如何在不同阶段被保留、压缩和再利用。
四、学习目标与整体课程框架
本课程不是单纯讲算法，而是围绕“金融图数据—图Embedding—相似关系检索—业务落地”这条主线展开。学完本课程，你应当能够独立完成以下任务：
- 理解金融异构图的数据模型，能够设计节点、边、属性与元路径。
- 掌握至少两种图Embedding方法的原理与工程实现，并能调参优化。
- 能够构建向量索引，实现亿级节点下的相似关系召回。
- 能够把相似检索结果转化为可解释的风险线索或业务标签。
- 能够识别常见误区，如数据泄漏、关系方向错误、评估指标失真等。
整体课程分为六个模块，共30章。下表给出模块与核心产出的对应关系，便于你建立全局路线感。
| 模块 | 核心内容 | 实战产出 |
|---|---|---|
| 模块一：基础与导入 | 金融图价值、Embedding目标、检索任务定义 | 问题定义与评估指标清单 |
| 模块二：图数据建模 | 异构图Schema、元路径、特征工程 | 可复用的金融图数据模型 |
| 模块三：图Embedding方法 | 随机游走、GCN、GraphSAGE、RGCN | 节点/子图向量生成流水线 |
| 模块四：相似检索系统 | Faiss/HNSW索引、召回与重排 | 毫秒级相似关系检索服务 |
| 模块五：金融场景实战 | 反欺诈、反洗钱、关联方识别 | 端到端案例与效果评估 |
| 模块六：优化与复盘 | 冷启动、增量更新、可解释性 | 上线检查表与复盘模板 |
五、常见误区与学习建议
误区一：把图Embedding当成万能特征。Embedding只是对图结构的压缩表示，若原始图缺少关键关系或存在大量噪声，向量质量不会凭空变好。先治理图数据，再谈模型。
误区二：忽略关系方向与时间。金融交易中“A转给B”和“B转给A”含义不同，时间顺序也影响风险判断。建模时必须保留方向与时间戳。
误区三：用精确匹配的指标评估相似检索。相似检索是召回问题，应关注Recall@K、MRR、命中率与业务覆盖率，而不是只看准确率。
学习建议：每学完一个方法，就用一个小型金融图（如50个账户、200笔交易）跑通“构图—Embedding—检索—解释”全流程。不要等到所有理论学完再动手，图Embedding的直觉来自反复实验与可视化观察。
本节作为课程导入，已经建立了三个基本认知：金融图数据的价值在于关系发现；图Embedding把关系转化为可计算的向量；相似关系检索把向量能力转化为业务可用的召回与解释。接下来，课程将进入图数据建模与实战环境搭建，把今天的概念落到具体的Schema、代码与数据上。