📚 课程目录第2章图谱数据建模

2. 图谱数据建模：实体、关系与属性设计

反欺诈图谱的核心在于将离散的日志数据转化为结构化的图表示。本章将定义图谱中的基本元素：实体（节点）、关系（边）和属性（节点/边的特征），为后续的回放验证与XGBoost特征工程奠定数据基础。

2.1 实体定义：图谱中的“节点”

实体是反欺诈场景中的参与对象。在金融交易反欺诈中，我们主要关注以下四类核心实体：

实体类型	英文标识	业务含义	典型示例
用户	User	账户持有者，交易发起方或接收方	user_id: U10001
设备	Device	用户操作所使用的物理设备	device_id: D-AABBCCDD
IP地址	IP	网络访问来源地址	ip_addr: 192.168.1.10
手机号	Phone	用户绑定的手机号码	phone: 138****0001

建模要点：实体ID必须全局唯一且稳定。建议使用业务主键（如user_id）作为图节点ID，避免使用自增ID，以便在回放验证时进行跨时间片的数据关联。

2.2 关系定义：图谱中的“边”

关系描述了实体之间的交互行为。在反欺诈图谱中，关系通常带有时间戳和方向性。我们定义以下三种核心关系：

登录（Login）：用户 → 设备/IP。表示用户在特定时间使用某设备或IP登录系统。
交易（Transaction）：用户 → 用户。表示资金从一方流向另一方，通常包含金额、时间等属性。
转账（Transfer）：用户 → 手机号。表示用户向某个手机号发起转账操作。

  关系方向性：在反欺诈图谱中，关系方向至关重要。例如，“用户A登录设备D”与“设备D登录用户A”在语义上完全不同。我们统一采用“主体 → 客体”的方向建模。

2.3 属性设计：为节点和边赋予特征

属性是实体和关系的特征描述，是后续XGBoost模型特征提取的直接来源。属性设计应遵循“高区分度、低缺失率、业务可解释”原则。

2.3.1 实体属性

实体类型	属性名称	数据类型	示例值	说明
用户	注册时间	datetime	2024-01-15 10:30:00	账户年龄计算基础
	账户等级	int	3	1-5级，等级越高风险越低
	历史交易次数	int	127	累计交易笔数
设备	设备类型	string	iPhone 15 Pro	用于设备指纹聚类
设备	首次出现时间	datetime	2024-02-10 08:15:00	设备新鲜度判断
IP	地理位置	string	北京市朝阳区	异地登录检测
IP	运营商	string	中国联通	代理IP识别
手机号	归属地	string	上海	与用户常驻地对比
手机号	是否虚拟运营商	boolean	false	虚拟号段风险较高

2.3.2 关系属性

关系类型	属性名称	数据类型	示例值	说明
登录	登录时间	datetime	2024-03-01 14:22:00	时间序列分析基础
登录	登录结果	string	成功/失败	失败次数统计
交易	交易金额	float	5000.00	金额异常检测
	交易时间	datetime	2024-03-01 14:25:00	交易间隔计算
	交易类型	string	消费/转账	行为模式分类
转账	转账金额	float	2000.00	与交易金额联动分析
转账	转账时间	datetime	2024-03-01 14:26:00	转账频次统计

2.4 图谱数据模型总览

下图展示了反欺诈图谱的完整数据模型，包含实体、关系及关键属性：

2.5 属性设计避坑指南

常见错误：

属性冗余：避免在多个实体中存储相同信息（如用户手机号同时存在User和Phone节点中），应通过关系关联。
缺失时间戳：关系边必须携带时间戳，否则无法进行时间窗口回放和时序特征计算。
属性类型混乱：金额字段统一使用float，ID字段统一使用string，避免类型转换错误。
忽略空值处理：对于缺失属性（如设备类型未知），使用默认值或特殊标记，避免图算法报错。

2.6 数据建模代码示例

以下Python代码展示了如何使用NetworkX构建反欺诈图谱，并添加实体、关系及属性：

import networkx as nx
from datetime import datetime

# 初始化有向图
G = nx.DiGraph()

# 添加实体节点（用户、设备、IP、手机号）
G.add_node('U10001', type='User', reg_time=datetime(2024,1,15,10,30,0), level=3)
G.add_node('D-AABBCCDD', type='Device', device_type='iPhone 15 Pro', first_seen=datetime(2024,2,10,8,15,0))
G.add_node('192.168.1.10', type='IP', location='北京市朝阳区', isp='中国联通')
G.add_node('13800010001', type='Phone', location='上海', is_virtual=False)

# 添加关系边（登录、交易、转账）
G.add_edge('U10001', 'D-AABBCCDD', relation='Login', time=datetime(2024,3,1,14,22,0), result='成功')
G.add_edge('U10001', '192.168.1.10', relation='Login', time=datetime(2024,3,1,14,22,0), result='成功')
G.add_edge('U10001', 'U20002', relation='Transaction', time=datetime(2024,3,1,14,25,0), amount=5000.00, type='消费')
G.add_edge('U10001', '13800010001', relation='Transfer', time=datetime(2024,3,1,14,26,0), amount=2000.00)

# 验证图谱结构
print(f"节点数: {G.number_of_nodes()}")
print(f"边数: {G.number_of_edges()}")
print(f"节点属性: {G.nodes['U10001']}")
print(f"边属性: {G.edges[('U10001', 'D-AABBCCDD')]}")

输出结果：

节点数: 4
边数: 4
节点属性: {'type': 'User', 'reg_time': datetime.datetime(2024, 1, 15, 10, 30), 'level': 3}
边属性: {'relation': 'Login', 'time': datetime.datetime(2024, 3, 1, 14, 22), 'result': '成功'}