3、金融知识图谱特征工程概述：特征工程在知识图谱中的作用、特征类型与偏差来源

在金融知识图谱的构建与校验流程中，特征工程是将原始图数据转化为可供机器学习模型使用的数值化或离散化特征的关键步骤。样本偏差校验的核心在于识别特征分布是否与真实金融业务场景一致，因此理解特征工程的作用、特征类型及偏差来源是进行后续校验的基础。

3.1 特征工程在知识图谱中的作用

特征工程在金融知识图谱中承担以下三项核心作用：

• 信息压缩与表达：将复杂的图结构（节点、边、子图）转化为低维、可计算的向量或统计量，降低模型输入维度。
• 风险信号增强：通过聚合邻居信息、路径计数、社区结构等操作，放大欺诈团伙、关联交易等异常模式。
• 偏差暴露与校正：特征分布本身是样本偏差的直接载体，通过对比训练集与全量图的特征统计量，可定位偏差来源。

3.2 特征类型：节点特征、边特征、子图特征

金融知识图谱的特征按粒度可分为三类，每类特征在偏差校验中具有不同的敏感维度：

3.3 特征偏差的主要来源

特征偏差并非随机出现，而是由数据采集、图构建、特征计算三个环节的系统性缺陷导致。以下按来源分类：

• 采样偏差：训练样本仅覆盖部分节点或边，导致特征分布与全量图不一致。例如仅采样“有交易记录”的节点，忽略休眠账户。
• 时间截断偏差：特征计算窗口与业务周期不匹配。例如仅使用近30天交易特征，遗漏季度性资金归集模式。
• 属性缺失偏差：缺失值并非随机，而是与风险相关。例如高风险企业更可能缺失“实控人信息”字段。
• 聚合粒度偏差：特征聚合层级（如按企业集团 vs 按单一法人）选择不当，导致信号稀释或放大。
• 标签泄露偏差：特征计算时无意中引入了未来信息或标签信息，造成特征分布与真实推理环境脱节。

3.4 特征工程与偏差校验的流程关系

下图展示了特征工程在样本偏差校验流程中的位置，以及三类特征如何与偏差来源交互：

3.5 特征偏差校验的典型步骤

针对上述偏差来源，特征工程阶段应嵌入以下校验步骤：

1. 分布对比：对每个特征，计算训练集与全量图（或验证集）的均值、方差、分位数，标记差异超过阈值的特征。
2. 缺失模式分析：检查缺失值是否与目标标签或关键属性存在相关性，识别非随机缺失。
3. 时间一致性检验：按时间窗口切片特征分布，观察是否存在周期性偏移或趋势性漂移。
4. 子图结构复现：在训练集中随机抽取子图，对比其社区规模、环路数量等统计量与全量图是否一致。
5. 特征重要性排序：使用树模型或SHAP值识别对模型影响最大的特征，优先校验这些特征的偏差。

3.6 特征偏差对模型的影响示例

下表以企业信贷场景为例，展示不同特征偏差如何影响模型表现：