VIP20
本课程属于：024-反欺诈图谱低延迟评分接口 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

团伙识别场景下的GraphSAGE实战

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
课程导论
团伙识别场景定义 · GraphSAGE在反欺诈/反黑产中… · 课程目标与前置知识要求
课程导论团伙识别场景定义
02
图论基础回顾
图的定义（节点 · 边 · 邻接矩阵）
图论基础回顾图的定义
03
图神经网络基础
从传统图算法到GNN的演进 · 消息传递范式 · GCN与GraphSAGE的异同
图神经网络基础GNN
04
GraphSAGE核心原理（上）
采样策略（邻居采样） · 聚合函数（Mean · Pooling
GraphSAGE核心原理
05
GraphSAGE核心原理（下）
前向传播过程 · 损失函数设计（无监督与有监督） · Mini-batch训练机制
GraphSAGE核心原理
06
团伙识别问题建模
团伙识别任务形式化（节点分类/边预测… · 特征工程（节点属性 · 关系权重）
团伙识别问题建模团伙识别任务形式…
07
环境搭建与工具链
Python环境配置 · PyTorch/TensorFlow… · DGL与PyG库对比与安装
环境搭建工具链
08
数据准备
团伙关系数据采集（交易网络 · 社交网络） · 数据清洗与去噪
数据准备团伙关系数据采集
09
图数据预处理
特征标准化 · 邻接矩阵构建 · 训练/验证/测试集划分（按时间/按节…
图数据预处理特征标准化
10
GraphSAGE模型实现（PyG版）
使用PyG的SAGEConv层搭建2…
GraphSAGEPyG
11
GraphSAGE模型实现（DGL版）
使用DGL的SAGEConv层搭建2…
GraphSAGEDGL
12
邻居采样器实现
自定义均匀采样与重要性采样 · 采样效率优化（多线程/预采样）
邻居采样器实现自定义均匀采样
13
无监督训练实战
负采样策略 · 对比损失（Margin Loss）实… · Embedding可视化
无监督训练实战负采样策略
14
有监督训练实战
节点分类任务（正常/团伙） · 交叉熵损失 · 类别不平衡处理（Weighted L…
有监督训练实战节点分类任务
15
边预测任务实战
团伙成员关系预测 · Link Prediction流程 · AUC评估
边预测任务实战团伙成员关系预测
16
模型评估与调优
超参数搜索（层数 · 隐藏维度 · 学习率）
模型评估调优
17
大规模图训练技巧
Cluster-GCN · NeighborLoader · GPU内存优化
大规模图训练技巧Cluster-GCN
18
团伙识别案例1
金融交易网络中的洗钱团伙检测（数据集
团伙识别案例1金融交易网络
19
团伙识别案例2
社交网络中的水军团伙检测（数据集
团伙识别案例2社交网络
20
团伙识别案例3
电商平台刷单团伙检测（合成数据集）
团伙识别案例3电商平台刷单团伙…
21
模型解释性
GNNExplainer可视化关键子… · 注意力权重分析 · 团伙结构模式提取
模型解释性GNNExplainer
22
模型部署
ONNX导出 · TensorRT加速 · REST API服务封装
模型部署ONNX
23
增量学习与动态图
时间演化图上的GraphSAGE · 增量更新节点Embedding
增量学习动态图
24
异构图GraphSAGE
Heterogeneous Grap… · 处理多类型节点与边
GraphSAGE异构图
25
对比其他模型
GCN vs GraphSAGE v…
对比其他模型GCN
26
工程化最佳实践
实验管理（MLflow） · 日志记录 · 代码模块化设计
工程化最佳实践MLflow
27
隐私与安全
联邦图学习 · 差分隐私在团伙识别中的应用
隐私安全
28
前沿进展
GraphSAGE变体（PinSAG… · Cluster-GCN） · 与LLM结合（GraphGPT）
前沿进展GraphSAGE
29
课程项目实战
从零构建一个端到端的团伙识别系统（数…
课程项目实战从零构建一个端到…
30
总结与展望
课程核心知识点回顾 · 团伙识别未来趋势（自监督学习 · 大图预训练）
课程核心知识点回…团伙识别未来趋势