基於圖演算法實現金融風控

本文為您介紹如何基於圖演算法，實現金融風控。

背景資訊

圖演算法通常適用於關係網狀的業務情境。與常規結構化資料不同，圖演算法將資料整理為首尾相連的關係圖譜，需要考慮邊和點。PAI提供了豐富的圖演算法組件，包括K-Core、最大聯通子圖及標籤傳播聚類等。

本實驗以人物通聯關係圖（如下圖所示）為例，基於圖演算法實現金融風控。兩人之間的連線表示兩人具有一定關係，可以是同事或親人等。已知Enoch為信用使用者，Evan為欺詐使用者，通過圖演算法可以計算其它人的信用指數，獲得每個人為欺詐使用者的機率，從而指導相關機構進行金融風控。任務關係圖

本工作流程資料集的具體欄位如下。

資料的樣本如下。樣本資料

進入Designer頁面。
1. 登入PAI控制台。
2. 在左側導覽列單擊工作空間列表，在工作空間列表頁面中單擊待操作的工作空間名稱，進入對應的工作空間。
3. 在工作空間頁面的左側導覽列選擇模型開發與訓練 > 可視化建模（Designer），進入Designer頁面。

構建工作流程。

在Designer頁面，單擊預置模板頁簽。
在模板列表，單擊圖演算法-金融風控實驗下的建立。
在建立工作流程對話方塊，配置參數（可以全部使用預設參數）。
其中：工作流程資料存放區配置為OSS Bucket路徑，用於儲存工作流程運行中產出的臨時資料和模型。
單擊確定。
您需要等待大約十秒鐘，工作流程可以建立成功。
在工作流程列表，雙擊圖演算法-金融風控實驗，進入工作流程。

系統根據預置的模板，自動構建工作流程，如下圖所示。

地區	描述
①	首先通過最大聯通子圖組件將資料中的群體分為兩部分，並賦予group_id。然後通過SQL指令碼組件和JOIN組件去除圖中的無關聯人員。最大聯通子圖組件可以尋找具有通聯關係的最大集合，從而排除團隊中與風控無關的人，如下圖所示。
②	探查每個人的一度人脈及二度人脈等關係。單源最短路徑組件的輸出結果中，distance表示Enoch通過幾個人可以聯絡到目標人，如下圖所示。
③	首先通過讀資料表組件匯入標籤資料（weight表示目標屬於欺詐使用者的機率，如下圖所示）。然後通過標籤傳播分類組件預測未標記節點的標籤資訊。最後通過SQL指令碼篩選結果，從而展示每個人的涉嫌欺詐機率。標籤傳播分類演算法為半監督的分類演算法，其輸入包括人物通聯圖和標籤資料，通過已標記節點的標籤資訊預測未標記節點的標籤資訊。演算法執行過程中，每個節點的標籤根據相似性傳播給相鄰節點。

運行工作流程並查看輸出結果。
1. 單擊畫布上方的。
2. 工作流程運行結束後，按右鍵地區③中的SQL指令碼，在捷徑功能表，單擊查看資料，即可查看每個人的欺詐機率。