2. 金融图谱基础：实体、关系与属性的定义

金融图谱是样本偏差校验的数据底座。在构建校验逻辑之前，必须统一对“实体”、“关系”、“属性”三个核心概念的定义，并理解它们在典型金融场景中的映射关系。本节将建立这套语义标准，为后续 Spark SQL 校验规则提供精确的数据模型依据。

2.1 实体、关系与属性的三元组定义

金融图谱采用 （实体—关系—实体） 的三元组结构来描述金融世界。每个元素在 Spark SQL 校验中对应不同的数据列和约束条件。

2.2 典型金融图谱模型：客户、账户、交易

以零售金融风控场景为例，最核心的图谱模型包含三类实体和两类关系。下图展示了该模型的完整结构：

2.3 实体与关系的属性清单

在 Spark SQL 样本偏差校验中，每个实体和关系都需要预定义属性清单。以下为典型字段定义：

2.4 图谱模型在 Spark SQL 中的表结构映射

金融图谱在 Spark 中通常以三张表存储：顶点表（实体）、边表（关系）、属性表（可选）。以下为建表 SQL 示例：

-- 顶点表：客户
CREATE TABLE IF NOT EXISTS dim_client (
  client_id   STRING  COMMENT '客户唯一标识',
  age         INT     COMMENT '年龄',
  gender      STRING  COMMENT '性别 M/F/U',
  create_dt   DATE    COMMENT '数据加载日期'
) USING parquet
PARTITIONED BY (create_dt);

-- 顶点表：账户
CREATE TABLE IF NOT EXISTS dim_account (
  account_id  STRING  COMMENT '账户唯一标识',
  balance     DOUBLE  COMMENT '当前余额',
  open_date   DATE    COMMENT '开户日期',
  create_dt   DATE
) USING parquet
PARTITIONED BY (create_dt);

-- 边表：持有关系
CREATE TABLE IF NOT EXISTS rel_holds (
  client_id   STRING  COMMENT '客户ID',
  account_id  STRING  COMMENT '账户ID',
  start_dt    DATE    COMMENT '关系生效日期',
  end_dt      DATE    COMMENT '关系失效日期',
  create_dt   DATE
) USING parquet
PARTITIONED BY (create_dt);

2.5 图谱模型与偏差校验的关联

理解实体、关系、属性的定义后，样本偏差校验的每个步骤都可以映射到图谱元素上：

• 实体完整性校验：检查 dim_client 和 dim_account 中是否存在空 ID 或重复 ID。
• 关系一致性校验：检查 rel_holds 中的 client_id 是否在 dim_client 中存在，account_id 是否在 dim_account 中存在。
• 属性分布偏差校验：检查 age、balance、amount 等字段的均值、标准差、空值率是否偏离预期基线。
• 时间序列偏差校验：检查 txn_time 的时间跨度是否与训练集一致，是否存在未来时间戳。

下图展示了从图谱模型到 Spark SQL 校验任务的完整链路：