2. 金融图谱基础：实体识别、关系抽取、图模型设计在风控与营销场景的应用
金融知识图谱是Feature Store中关系型特征的核心来源。本章聚焦从非结构化/半结构化数据中提取结构化图谱要素，并设计适用于风控与营销的图模型。
2.1 实体识别（NER）在金融文本中的挑战与方案
金融领域实体识别面临专业术语密集、歧义性强、嵌套实体多等挑战。常见实体类型包括：
| 实体类型 | 示例 | 识别难点 |
|---|---|---|
| 个人/企业主体 | 张三、蚂蚁科技集团 | 简称、别名、集团内公司名相似 |
| 金融产品 | 借呗、余额宝、沪深300ETF | 产品名与通用词混淆（如“借呗”与“借款”） |
| 风险事件 | 逾期、担保代偿、股权冻结 | 事件描述长、触发词多样 |
| 金额/时间 | 500万元、2024-03-15 | 格式不统一、单位省略 |
实践建议：采用“词典匹配 + BERT-CRF”混合策略。先使用金融领域词典（如企业工商名录、产品清单）做精确匹配，再使用预训练模型识别未登录词。在Feature Store中，实体ID应统一映射到标准主键（如统一社会信用代码）。
2.2 关系抽取：从文本到结构化边
关系抽取将实体间的语义连接转化为图谱中的边。金融场景常见关系类型：
- 股权关系：“A持有B 60%股份” → (A)-[持有{比例:0.6}]→(B)
- 担保关系：“C为D的贷款提供连带责任担保” → (C)-[担保{类型:连带,金额:500万}]→(D)
- 交易关系：“E向F转账200万元” → (E)-[转账{金额:200万,时间:2024-01-10}]→(F)
- 任职关系：“G担任H公司法定代表人” → (G)-[任职{职务:法定代表人}]→(H)
关系抽取流水线：文本输入 → 实体识别 → 候选关系对生成 → 关系分类（基于预训练模型+规则） → 置信度过滤（阈值≥0.85） → 写入图数据库。
2.3 图模型设计：节点、边与属性
图模型设计直接影响查询性能和特征计算效率。金融图谱通常采用属性图模型，核心设计原则如下：
| 元素 | 设计要点 | 风控场景示例 | 营销场景示例 |
|---|---|---|---|
| 节点 | 按实体类型分标签，避免单一超大节点 | 个人、企业、银行卡、设备 | 用户、商品、优惠券、渠道 |
| 边 | 有向/无向按业务定义，边属性包含时间戳、权重 | 担保、转账、登录设备 | 购买、分享、领券 |
| 属性 | 静态属性（如注册时间）与动态特征（如近30天交易次数）分离 | 逾期天数、授信额度 | 用户标签、消费偏好 |
2.4 图特征在风控与营销中的典型应用
基于图模型提取的特征可直接注入Feature Store，供下游模型使用。以下为两类场景的核心图特征：
| 场景 | 图特征 | 计算方式 | 业务价值 |
|---|---|---|---|
| 风控 | 二度关联逾期率 | 邻居节点中逾期用户占比 | 识别担保圈风险 |
| PageRank风险分 | 基于担保/交易图迭代计算 | 发现系统性重要风险节点 | |
| 设备关联团伙大小 | 共用设备用户数 | 检测团伙欺诈 | |
| 营销 | 社交影响力分 | 基于分享/推荐图计算 | 识别KOL用户 |
| 商品共现频次 | 同一用户购买商品对次数 | 关联推荐 | |
| 渠道转化路径 | 用户-渠道-商品多跳路径 | 渠道归因与投放优化 |
注意：图特征在Feature Store中应作为离线批特征（T+1更新）与实时流特征（分钟级更新）分别存储。风控场景对实时性要求高（如设备关联查询需毫秒级响应），营销场景可接受小时级延迟。
2.5 图模型存储与查询选型
根据场景需求选择图数据库或图计算引擎：
- Neo4j：适合OLTP场景，支持Cypher查询，用于实时风控决策（如二度关联查询）。
- JanusGraph：支持HBase/Cassandra后端，适合大规模图谱存储，与Spark集成做批量特征计算。
- GraphX（Spark）：用于离线全图计算（如PageRank、连通分量），结果写入Feature Store。
- Dgraph：支持GraphQL，适合营销场景的灵活查询。
2.6 实战案例：基于图谱的担保圈风险识别
场景：某银行发现多笔企业贷款出现连锁逾期，需识别担保圈并量化风险传导路径。
实施步骤：
- 实体识别：从贷款合同、担保函中提取企业、个人、担保金额等实体。
- 关系抽取：抽取“担保”关系，属性包括担保金额、担保类型（连带/一般）、起始日期。
- 图模型设计：节点标签为“企业”“个人”，边标签为“担保”，属性包含金额和时间。
- 图特征计算：使用GraphX计算连通分量，识别担保圈大小；计算每个节点的担保网络PageRank值。
- 特征写入Feature Store：将“担保圈大小”“担保网络PageRank”“二度担保逾期率”作为离线特征，每日更新。
- 实时查询：在Neo4j中存储最新担保关系，风控系统实时查询新申请企业的担保关联风险。
效果：该方案帮助银行提前识别了3个高风险担保圈，涉及23家企业，避免了约1.2亿元的潜在损失。图特征在风控模型中的特征重要性排名进入前5。