1. 金融图谱基础：金融知识图谱的定义、核心要素与应用场景
1.1 金融知识图谱的定义
金融知识图谱（Financial Knowledge Graph, FKG）是一种基于图结构的大规模语义网络，用于描述金融领域中实体（如企业、个人、账户、交易、合同）及其之间的复杂关联关系。它通过将异构、多源、高噪声的金融数据转化为结构化的“实体-关系-属性”三元组，为风控、反欺诈、授信决策等场景提供可推理、可解释的知识底座。
与通用知识图谱不同，金融知识图谱具有以下显著特征：
- 高时效性：金融数据随时间快速变化，图谱需支持增量更新与实时推理。
- 强约束性：实体间关系受法律法规、监管政策、合同条款等硬性约束。
- 多模态性：数据来源包括结构化表格、非结构化文本、时序交易流、图像（如票据）等。
- 稀疏性与长尾分布：头部实体（如大型企业）关联密集，尾部实体（如小微企业、个人）关联稀疏，导致样本偏差问题突出。
核心观点：金融知识图谱的本质是将“数据孤岛”转化为“知识网络”，使风控模型从单点特征判断升级为关系推理与路径分析。
1.2 核心要素：实体、关系、属性
金融知识图谱的构建围绕三个基本要素展开，下表总结了各要素在金融场景中的典型实例与作用：
| 要素 | 定义 | 金融场景实例 | 在风控中的作用 |
|---|---|---|---|
| 实体 | 客观存在的金融对象，是图谱中的节点 | 企业、个人、银行账户、信用卡、贷款合同、担保物、设备指纹 | 作为风险主体，用于身份识别、黑名单匹配、关联排查 |
| 关系 | 实体之间的语义连接，是图谱中的边 | 担保、投资、控股、交易、亲属、任职、共用设备 | 揭示隐性关联，用于团伙欺诈识别、担保圈风险传导分析 |
| 属性 | 描述实体或关系的特征信息 | 企业注册资本、个人年龄、交易金额、合同到期日、关系强度 | 提供量化特征，用于风险评分、规则阈值设定、样本分层 |
实践提示：在构建图谱时，属性设计需兼顾“区分度”与“稀疏性”。例如，企业注册资本作为连续属性，可进行对数变换或分箱处理，避免长尾分布对后续GraphSAGE采样造成偏差。
1.3 金融知识图谱在风控与反欺诈中的应用场景
金融知识图谱在风控与反欺诈中扮演“关系引擎”的角色，以下列出四个核心应用场景：
- 团伙欺诈识别：通过图谱中的共用设备、共用IP、联系人重叠等关系，发现由多个实体组成的欺诈团伙。例如，多个借款申请人共用同一设备指纹，即使各自信用记录正常，图谱也能揭示其关联风险。
- 担保圈风险传导：在企业信贷场景中，通过担保关系网络识别“担保圈”或“担保链”。一旦圈内核心企业违约，风险沿担保关系传导，图谱可提前预警关联企业的连锁违约概率。
- 反洗钱可疑交易分析：利用图谱对交易路径进行多跳追踪，发现资金从A到B再到C的循环、拆分、归集等异常模式。结合属性（如交易金额、频率、时间戳）可计算可疑度评分。
- 授信决策辅助：在个人或企业授信时，图谱提供“二度关联”信息。例如，借款人的直系亲属当前存在逾期记录，或借款企业的主要供应商近期出现经营异常，这些关系特征可补充传统信用评分卡的盲区。
1.4 金融图谱构建面临的样本偏差挑战
在风控与反欺诈场景中，金融知识图谱的构建与后续图神经网络（如GraphSAGE）训练面临显著的样本偏差问题，主要体现在以下三个方面：
| 偏差类型 | 产生原因 | 对风控模型的影响 | 典型示例 |
|---|---|---|---|
| 标签偏差 | 坏样本（欺诈、违约）远少于好样本，且坏样本标注成本高、时效滞后 | 模型倾向于预测为好样本，召回率低；少数类过拟合 | 信贷场景中违约率通常低于3%，导致模型对罕见欺诈模式不敏感 |
| 结构偏差 | 头部实体（如大型企业）邻居多、信息丰富；尾部实体（如小微企业）邻居稀疏 | GraphSAGE对尾部实体的嵌入质量差，聚合邻居信息时噪声占比高 | 某小微企业仅有1-2条交易关系，其嵌入几乎退化为自身特征 |
| 时间偏差 | 训练数据来自历史时段，而欺诈手段随时间演化，图谱关系动态变化 | 模型在最新数据上泛化能力下降，出现概念漂移 | 2023年训练的模型无法识别2024年新出现的设备指纹复用模式 |
注意：样本偏差是后续章节中GraphSAGE采样策略优化的核心动机。本课程将重点介绍如何通过偏差感知采样、分层采样、动态负采样等方法缓解上述偏差，提升风控模型的鲁棒性与公平性。