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。
資料集
本工作流程資料集的具體欄位如下。
欄位名 | 含義 | 類型 | 描述 |
start_point | 邊的起始節點 | STRING | 人物。 |
end_point | 邊的結束節點 | STRING | 人物。 |
count | 關係緊密度 | DOUBLE | 數值越大,兩人的關係越緊密。 |
資料的樣本如下。
基於圖演算法實現金融風控
進入Designer頁面。
登入PAI控制台。
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。
在工作空間頁面的左側導覽列選擇 ,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。
單擊畫布上方的。
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。