3. 图Embedding核心概念
在金融图数据中，无论是账户转账网络、担保关系网络，还是供应链上下游关系，图结构本身是离散的、符号化的。要让机器学习模型能够计算、聚类、检索和推理，就必须把图中的节点、边乃至整张图映射为连续向量。这一过程就是图Embedding。本节围绕六个核心概念展开：节点嵌入、边嵌入、图嵌入、向量空间、相似度度量，以及同质性与结构等价性。
一、核心原理：从离散图结构到连续向量
图Embedding的本质是学习一个映射函数，将图中的元素投影到低维稠密向量空间，并尽可能保留原始图的结构信息与语义关系。不同粒度的嵌入对象对应不同的金融应用目标：
- 节点嵌入：把每个节点（如账户、企业、客户）表示为一个向量。常用于反欺诈中的账户风险打分、客户分群、可疑节点检索。
- 边嵌入：把每条边（如转账、担保、持股）表示为向量，刻画关系的类型、强度与方向。常用于交易关系预测、异常边检测。
- 图嵌入：把整张图（如一个资金团伙子图、一家企业的关联图谱）压缩为一个向量。常用于图级别分类，例如判断某子图是否为洗钱团伙。
三者共享同一个底层思想：向量空间中距离相近的对象，在原图中应具有相似的语义或结构角色。节点嵌入是最基础的形式，边嵌入和图嵌入往往在其基础上聚合得到。
关键认知：Embedding不是简单的编号映射，而是让向量之间的距离承载图结构信息。好的嵌入应使“相似”的节点在向量空间中彼此靠近。
二、向量空间与相似度度量
嵌入结果落在同一个向量空间中，通常维度为64、128或256。向量空间提供了可计算性：我们可以用相似度度量来判断两个嵌入对象的接近程度。金融场景中最常用的度量方式如下表：
| 度量方法 | 计算含义 | 金融适用场景 |
|---|---|---|
| 余弦相似度 | 衡量向量方向一致性，忽略模长 | 账户行为模式相似性检索 |
| 欧氏距离 | 衡量向量空间中的绝对距离 | 节点聚类、团伙划分 |
| 点积 | 方向与模长共同作用 | 推荐型关系预测 |
| 杰卡德相似度 | 基于邻居集合重合度 | 结构等价性近似判断 |
选择哪种度量，取决于业务问题。若关注“行为方向是否一致”，余弦相似度更合适；若关注“绝对位置是否接近”，欧氏距离更直观。实际工程中，常先用余弦相似度做粗排，再用业务规则精排。
三、同质性与结构等价性：嵌入要保留什么
图Embedding的目标不是随意压缩，而是保留两类关键结构属性：
- 同质性（Homophily）：相邻节点倾向于相似。例如，频繁互相转账的账户往往属于同一团伙，或具有相似风险等级。保留同质性，意味着邻居节点在向量空间中应靠近。
- 结构等价性（Structural Equivalence）：两个节点即使不相邻，只要它们在图中扮演相似角色，也应具有相似嵌入。例如，两个分别位于不同资金网络中的“中转账户”，都连接大量入账和出账，结构角色一致，应被识别为相似。
这两者有时会冲突：同质性强调“邻居像”，结构等价性强调“角色像”。DeepWalk、Node2Vec等随机游走方法偏向同质性；struc2vec等方法则更强调结构等价性。金融风控中，识别洗钱团伙更依赖同质性，而识别“资金过桥”角色则更依赖结构等价性。
四、方法流程与金融案例
以“企业担保网络风险检索”为例，完整流程如下：
- 构图：以企业为节点，担保关系为边，边权可设为担保金额或担保次数。
- 选择嵌入粒度：若目标是找相似企业，做节点嵌入；若目标是评估担保关系强度，做边嵌入。
- 训练嵌入：使用Node2Vec或GraphSAGE，设置维度128、游走长度80、每节点游走次数10。
- 相似度检索：对目标企业向量，用余弦相似度在向量库中检索Top-K近邻。
- 业务复核：结合担保圈、行业、地域等规则过滤，输出可疑企业清单。
# 以Node2Vec为例的关键参数配置
dimensions = 128
walk_length = 80
num_walks = 10
p = 1.0 # 返回参数，控制同质性
q = 0.5 # 进出参数，q<1 偏向结构等价性
window_size = 10
workers = 4
调参提示：p值越小，游走越倾向返回上一节点，强化同质性；q值越小，游走越倾向探索远处节点，强化结构等价性。金融团伙识别通常设p较小，角色识别则设q较小。
五、常见误区与复盘
- 误区一：维度越高越好。维度过高会引入噪声并增加检索成本。金融图通常128维已足够，关键是结构信息是否被保留。
- 误区二：只看同质性，忽略结构等价性。这会导致“资金过桥”角色被漏检，因为这类节点与邻居并不相似。
- 误区三：相似度阈值拍脑袋。不同度量、不同数据集分布差异大，应通过标注样本校准阈值。
- 误区四：嵌入一次训练长期使用。金融图动态变化快，需定期增量更新或重训。
复盘要点：图Embedding的效果不取决于算法多复杂，而取决于图结构是否干净、边定义是否贴合业务、相似度度量是否匹配检索目标。三者错一个，检索结果就会偏离业务预期。
理解节点嵌入、边嵌入、图嵌入的区别，掌握向量空间与相似度度量的选择，并明确同质性与结构等价性各自服务的业务目标，是后续实战中构建金融图检索系统的前提。