VIP20
本课程属于：002-反欺诈图谱变量衍生与分箱 金融科技风控与量化工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

团伙识别图谱变量衍生全流程指南

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
团伙识别概述
定义 · 应用场景（金融反欺诈 · 社交网络水军）
团伙识别概述定义
02
图论基础
图的基本概念（节点 · 边 · 度
图论基础图的基本概念
03
变量衍生基础
什么是变量衍生 · 为什么在团伙识别中需要变量衍生 · 常见的变量类型
变量衍生基础什么是变量衍生
04
数据采集与预处理
数据源（交易日志 · 社交关系 · 通话记录）
数据采集预处理
05
实体识别与对齐
同名匹配 · 同义词合并 · 模糊匹配算法（编辑距离
实体识别对齐
06
关系抽取
显式关系（转账 · 通话） · 隐式关系（同IP
关系抽取显式关系
07
图数据库入门
Neo4j安装与基本操作 · Cypher查询语言 · 图模型设计
图数据库入门Neo4j
08
特征工程基础
数值特征（金额 · 频次） · 类别特征（行业
特征工程基础数值特征
09
时间序列特征衍生
滑动窗口统计（均值 · 方差） · 趋势特征（斜率
时间序列特征衍生滑动窗口统计
10
网络结构特征
节点度 · 度分布 · 中心性（度中心性
网络结构特征节点度
11
社区发现算法
Louvain · GN算法 · Leiden算法
社区发现算法Louvain
12
经典团伙识别方法
基于规则（环状交易 · 资金汇聚） · 基于统计（异常行为检测）
经典团伙识别方法基于规则
13
变量衍生工具
Python pandas · numpy · networkx
变量衍生工具Python
14
图嵌入技术
Node2Vec · DeepWalk · GraphSAGE
图嵌入技术Node2Vec
15
节点分类与链路预测
用图特征进行二分类 · 预测潜在关联关系
节点分类链路预测
16
特征选择与降维
方差过滤 · 卡方检验 · PCA
特征选择降维
17
模型评估
精确率 · 召回率 · F1分数
模型评估精确率
18
异常检测在团伙识别中的应用
孤立森林 · LOF · 对抗自编码器识别异常节点
异常检测团伙识别
19
实战案例一
金融反欺诈团伙识别——资金流图谱构建…
实战案例一金融反欺诈团伙识…
20
实战案例二
社交网络水军团伙识别——行为特征与关…
实战案例二社交网络水军团伙…
21
变量衍生自动化
Featuretools库 · 自动特征生成 · 特征重要性排序
变量衍生自动化Featuretools
22
图谱动态更新
增量变量衍生策略 · 时间窗滚动特征 · 增量社区维护
图谱动态更新增量变量衍生策略
23
分布式计算
Spark GraphX处理大规模图… · 变量衍生并行化
分布式计算Spark
24
可解释性
SHAP · LIME在图模型上的应用 · 解释变量对团伙识别的影响
可解释性SHAP
25
模型部署与监控
将变量衍生管道封装为API · 实时特征计算 · 模型漂移检测
模型部署监控
26
隐私保护
差分隐私在图数据上的扰动 · 联邦学习在团伙识别中的变量衍生
隐私保护差分隐私
27
图数据库查询语言进阶
Cypher高级模式 · Gremlin · SPARQL在变量衍生中的应用
图数据库查询语言…Cypher
28
多维度特征融合
文本（用户备注） · 行为（点击流） · 网络（拓扑）的联合变量衍生
多维度特征融合文本
29
半监督与弱监督学习
标签传播 · 图正则化 · Self-training在团伙识别…
半监督弱监督学习
30
课程总结与未来趋势
变量衍生前沿方向（图神经网络自监督 · 因果推断） · 学习路径建议
课程总结未来趋势