1. 课程导论：金融知识图谱概述、样本偏差问题定义、偏差校验的重要性与课程目标
1.1 金融知识图谱概述
金融知识图谱（Financial Knowledge Graph, FKG）是一种基于图结构的语义网络，用于描述金融实体（如企业、个人、产品、账户、交易）及其之间的复杂关系（如控股、担保、交易、关联）。它通过将异构数据源（结构化数据库、文本报告、舆情信息）转化为实体-关系-属性的三元组，为风控、反欺诈、智能投研等场景提供可解释的推理基础。
核心价值： 金融知识图谱能够将分散的“数据孤岛”连接为“知识网络”，使模型不仅关注单点特征，还能捕获高阶关联路径与隐性风险传导。
典型的金融知识图谱构建流程包括：
| 阶段 | 关键任务 | 输出产物 |
|---|---|---|
| 数据接入 | 多源异构数据采集（数据库、PDF、新闻） | 原始语料库 |
| 信息抽取 | 实体识别、关系抽取、属性抽取 | 三元组集合 |
| 知识融合 | 实体对齐、冲突消解、指代消解 | 统一知识库 |
| 图存储与计算 | 图数据库导入、图算法（PageRank、社区发现） | 可查询图谱 |
| 应用层 | 风险传导分析、关联挖掘、智能问答 | 业务决策支持 |
1.2 样本偏差问题定义
在金融知识图谱的模型训练中，样本偏差（Sample Bias）是指训练数据集与模型实际部署环境中的真实数据分布之间存在系统性差异。这种偏差会导致模型在真实场景中表现显著下降，甚至产生错误的决策输出。
常见的样本偏差类型包括：
- 选择偏差：训练数据仅覆盖特定时间段、特定地区或特定风险等级的样本，忽略了长尾或极端情况。
- 幸存者偏差：只关注“存活”或“正常”样本，忽略了已违约、已注销或已退出的实体，导致模型高估信用质量。
- 标签偏差：标注标准不一致、标注噪声或标签定义漂移（如“逾期”口径在不同产品间不同）。
- 图谱结构偏差：知识图谱中某些实体或关系因数据源缺失而稀疏，导致图算法对这部分样本的表示能力不足。
- 时间偏移：训练数据来自历史时期，而测试/部署数据来自当前时期，宏观环境、政策、市场结构已发生变化。
风险提示： 样本偏差在金融场景中尤为危险——一个在历史数据上表现优异的反欺诈模型，可能因为样本偏差而在新发欺诈模式面前完全失效，造成巨额损失。
1.3 偏差校验的重要性
偏差校验（Bias Validation）是在模型训练前、训练中及部署后，持续检测训练数据与目标分布之间差异的系统性方法。在金融知识图谱场景中，偏差校验具有以下关键意义：
- 保障模型可靠性：通过量化偏差程度，避免模型在“虚假高精度”下上线。
- 提升可解释性：定位偏差来源（如某类实体缺失、某关系稀疏），为数据补充提供方向。
- 满足监管要求：金融监管机构（如巴塞尔协议、央行征信管理办法）要求模型开发过程具备数据质量与偏差控制文档。
- 降低迭代成本：早期发现偏差可避免后期大规模重新采集数据或重新训练模型。
实践建议： 建议在知识图谱构建完成后，立即执行一次“偏差快照”分析，记录各实体类型、关系类型的覆盖率与分布统计，作为后续模型训练的基线参考。
1.4 课程目标
本课程旨在通过一个完整的金融知识图谱样本偏差校验模型训练案例，帮助学员掌握以下核心能力：
| 能力维度 | 具体目标 | 对应章节 |
|---|---|---|
| 理论理解 | 掌握金融知识图谱中样本偏差的成因、类型与量化指标 | 第1-3章 |
| 数据处理 | 能够对图谱数据进行偏差检测、特征工程与样本重采样 | 第4-7章 |
| 模型构建 | 设计并训练偏差校验模型，实现偏差识别与自动告警 | 第8-12章 |
| 评估与优化 | 使用偏差度量指标评估模型效果，并进行迭代调优 | 第13-16章 |
| 工程落地 | 将偏差校验流程封装为可复用的流水线，适配生产环境 | 第17-20章 |
| 案例实战 | 完成企业关联图谱偏差校验的端到端项目 | 第21-30章 |
通过本课程的学习，学员将能够独立构建一套面向金融知识图谱的样本偏差校验系统，有效提升金融AI模型的鲁棒性与可信度。