📚 课程目录第1章课程导论

实体解析与风险传导图谱教程 - 第1节

1.1 实体解析与风险传导图谱的定义

实体解析（Entity Resolution, ER）与风险传导图谱（Risk Propagation Graph, RPG）是构建智能风控体系的两大核心技术支柱。实体解析解决“多源数据中同一实体识别与融合”的问题，风险传导图谱则刻画实体间风险关联与传播路径。两者结合，形成从“数据清洗”到“风险推理”的完整链路。

1.1.1 核心概念

概念	定义	典型问题
实体解析	识别不同数据源中指向同一现实世界对象的记录，并合并为统一实体	“张三” vs “张三是” vs “Zhang San” 是否为同一人
风险传导图谱	以实体为节点、风险关系为边的有向图，描述风险在实体网络中的传播路径与衰减规律	企业A的违约风险如何通过担保链传导至企业C
实体-风险映射	将解析后的实体与风险事件、风险指标建立关联，形成可计算的图谱结构	同一身份证号下的多个手机号是否涉及欺诈团伙

1.1.2 实体解析与风险图谱的关系

  关键认知：没有准确的实体解析，风险传导图谱将建立在“虚假节点”之上；没有风险图谱的推理能力，实体解析只能停留在数据清洗层面。两者互为前提，共同构成“数据→知识→决策”的闭环。

1.2 应用场景

1.2.1 金融风控

在信贷审批、贷后监控、反洗钱等场景中，实体解析与风险传导图谱解决以下核心问题：

多头借贷识别：通过实体解析合并同一借款人在不同机构的申请记录，发现隐性多头借贷行为。
担保圈风险传导：构建企业担保关系图谱，计算风险在担保链中的传导路径与影响范围。
洗钱团伙挖掘：解析账户、交易、IP地址等多维实体，发现资金流转中的异常传导模式。

案例：某银行在贷前审查中，通过实体解析发现借款人“李某”与黑名单中的“李某某”共享同一手机号，进而触发风险传导图谱分析，识别出一个涉及12家企业的担保圈，最终避免了一笔3000万元的潜在坏账。

1.2.2 供应链安全

场景	实体解析作用	风险图谱作用
供应商资质核验	合并工商、税务、司法等多源数据，形成统一供应商画像	分析供应商之间的股权、关联交易关系，发现隐性关联风险
供应链中断预警	解析物流、库存、订单实体，识别关键节点	模拟单一供应商中断对上下游的传导影响
合规风险排查	解析制裁名单、黑名单实体，匹配供应链参与方	追踪风险实体在供应链网络中的传导路径

1.2.3 反欺诈

欺诈行为往往涉及多个虚假身份、设备、账户的协同操作。实体解析与风险图谱在反欺诈中的典型应用包括：

设备指纹关联：解析同一设备上登录过的所有账户，构建设备-账户关联图谱。
团伙欺诈识别：通过实体解析合并虚假身份，利用图谱发现异常聚集的“星型”或“链式”结构。
实时风险传导：当某个实体被标记为欺诈后，图谱自动计算其关联实体的风险评分，实现秒级预警。

1.3 课程目标与学习路径

1.3.1 课程目标

完成本课程后，学员将具备以下能力：

理解核心原理：掌握实体解析的相似度计算、聚类算法、冲突消解策略，以及风险传导图谱的图论基础、传导模型与衰减函数。
掌握工程实现：能够使用Python、Neo4j、Spark等工具构建实体解析管道与风险传导图谱系统。
具备实战能力：在金融风控、供应链安全、反欺诈三个典型场景中，独立完成从数据接入到风险推理的完整项目。
建立评估体系：掌握实体解析的精度/召回率评估、图谱传导的准确性验证、系统性能优化方法。

1.3.2 学习路径

阶段	章节范围	核心内容	实践项目
基础篇	第1-5章	实体解析基础、相似度算法、图谱数据模型	构建小型实体解析引擎
进阶篇	第6-15章	实体聚类、冲突消解、图谱传导算法、风险评分	金融风控传导图谱系统
实战篇	第16-25章	供应链安全、反欺诈、实时计算、系统架构	多场景综合风控平台
优化篇	第26-30章	性能调优、评估体系、前沿趋势	系统压测与优化报告

学习建议：本课程强调“原理+代码+案例”三位一体。建议学员在每章结束后，完成对应的代码练习与案例分析，不要跳过实践环节。实体解析与风险图谱是高度工程化的领域，纸上谈兵无法真正掌握。

1.3.3 预备知识

为获得最佳学习效果，建议学员具备以下基础：

编程基础：熟悉Python语法，了解pandas、numpy等数据处理库。
数据库基础：了解关系型数据库（MySQL/PostgreSQL）和图数据库（Neo4j）的基本概念。
数学基础：了解基本的概率统计、线性代数（向量相似度计算）知识。
风控基础（可选）：了解金融风控、反欺诈的基本业务流程，有助于理解应用场景。

本课程将在第2章提供完整的环境搭建指南，确保所有学员能够快速进入实践状态。