在信貸領(lǐng)域主要有兩種風(fēng)險：

欺詐風(fēng)險：借款人的目的就是騙貸。

信用風(fēng)險：又稱違約風(fēng)險，是借款人因各種原因，不愿或無力履行合同條件而構(gòu)成違約，致使平臺遭受損失。

針對信用風(fēng)險，需要對借款人的財務(wù)狀況、還款意愿、履約能力等各方面因素綜合量化評估，并根據(jù)風(fēng)險等級制定不同的差異化定價（不同額度利率）和策略。

白話一點的解釋就是：

業(yè)務(wù)：需要訓(xùn)練一個模型，去預(yù)測借款人違約概率，并根據(jù)違約概率高低表示信用好壞，信用好的給予更高的額度和更低的貸款利率，針對信用較差的制定更嚴(yán)格的審核，更高的利率。

模型：傳統(tǒng)是使用評分卡，可解釋性比較好。但現(xiàn)在越來越多會使用機(jī)器學(xué)習(xí)（如XGBoost），快速出結(jié)果且效果更好。

特征：上圖針對各個維度設(shè)計，并保證可解釋性。

樣本：歷史上是否違約的人群作為訓(xùn)練樣本（都是錢?。?。

如何將借款人所處的系統(tǒng)抽象成復(fù)雜網(wǎng)絡(luò)？下面介紹基礎(chǔ)層次和業(yè)務(wù)層次的抽象，最終得到什么樣的復(fù)雜網(wǎng)絡(luò)，以及為什么要這樣做。

基礎(chǔ)層次抽象

從原始數(shù)據(jù)中提取節(jié)點及關(guān)系抽象成復(fù)雜網(wǎng)絡(luò)：

節(jié)點：用戶、商戶、公司、設(shè)備、LBS、IP/WIFI

關(guān)系：社交、消費、就職、使用、位置、上網(wǎng)

業(yè)務(wù)層次抽象

物以類聚，人以群分，一個人周圍鄰居的信用資質(zhì)可以反應(yīng)其自身信用資質(zhì)。

基于上述業(yè)務(wù)假設(shè)對網(wǎng)絡(luò)進(jìn)一步抽象：

節(jié)點：用戶

關(guān)系：社交、同位置、同設(shè)備、同公司、同商戶、同WIFI....

我們?yōu)槊總€節(jié)點附上信用資質(zhì)，最終可以得到一個復(fù)雜網(wǎng)絡(luò)。

為什么要這么做？

1. 基礎(chǔ)層次的抽象可以供多個不同的業(yè)務(wù)使用。

2. 基于業(yè)務(wù)經(jīng)驗對數(shù)據(jù)進(jìn)一步精煉 garbage in garbage out。

3. 適用同類型節(jié)點的算法較多，計算復(fù)雜度低。

4. 壓縮圖，減少降低噪聲以及緩解數(shù)據(jù)稀疏性。

我們可以從復(fù)雜網(wǎng)絡(luò)中抽取什么信息呢？

鄰居屬性：鄰居信用資質(zhì)。

異構(gòu)關(guān)系：不同關(guān)系的鄰居的信息。

拓?fù)浣Y(jié)構(gòu)：周圍鄰居的拓?fù)浣Y(jié)構(gòu)信息

實體交互：節(jié)點資質(zhì)和鄰居資質(zhì)是如何交互的？

如何提取以上的信息？

上面的模型都可以是解決方案，但是也存在著一定的局限：

1. 首先GNN是黑箱，解釋性不夠，對于和錢直接相關(guān)的業(yè)務(wù)，對解釋性的要求非常高。

2. 穩(wěn)定性：金融模型上線會運行很久，對穩(wěn)定性要求較高。

3. 性價比，雖然對圖經(jīng)過了壓縮，但是也有億級別規(guī)模，落地成本比較大，包括訓(xùn)練架構(gòu)、算法優(yōu)化等等。

如何解決這些局限性呢？

拆解上面算法，提取關(guān)鍵模塊，用數(shù)理統(tǒng)計方法解題：

1. 聚合直接相連鄰居特征：參考單層卷積的aggregator操作，其實也就是對鄰居特征不帶參數(shù)求mean、max、加權(quán)平均；

2.獲得k跳鄰居特征及拓?fù)洌嚎梢試L試多層遞歸卷積 / 社區(qū)發(fā)現(xiàn)；

3.與鄰居特征做交互：拼接、比較、平均；

4.如何融合異構(gòu)關(guān)系：每種關(guān)系網(wǎng)絡(luò)都通過上述方法衍生特征，不同業(yè)務(wù)通過模型來學(xué)習(xí)權(quán)重。

某場景：借款人提交完認(rèn)證資料后，觸發(fā)信用評估并返回額度和利率，對時效性要求較高。

離線+實時 實現(xiàn)t跳鄰居特征計算

離線：T+1計算好所有節(jié)點(t-1跳)特征，存儲在HBASE上。

實時：借款人提交完資料后，實時查找其一跳鄰居(如mysql)，調(diào)用HBASE查找每一個鄰居特征，并聚合和交互生成特征。(一跳計算實時可以滿足，如果誰說二跳計算實時也可以支持那就牛逼了)。

復(fù)雜網(wǎng)絡(luò)在風(fēng)控中更多是“找黑的”，比如反欺詐規(guī)則關(guān)聯(lián) N 個黑名單，N 個中介，以及團(tuán)伙挖掘等。

本文是從“找白的”角度下介紹復(fù)雜網(wǎng)絡(luò)在信用資質(zhì)上的應(yīng)用，方法具有普適性，在找黑的上驗證效果也不錯：）。

如果精力/資源有限，建議優(yōu)先選擇某類關(guān)系和某些節(jié)點特征進(jìn)行實驗：

關(guān)系選擇：優(yōu)選覆蓋度較高、噪聲低、符合業(yè)務(wù)直覺的關(guān)系，如社交、支付，像LBS雖然覆蓋度高，但是噪聲也是比較大，在使用時需要謹(jǐn)慎。

節(jié)點特征選擇：優(yōu)先選擇已被驗證效果不錯的特征，如收入、信用額度等。

另外值得注意的是，比較容易數(shù)據(jù)穿越，有多個時間需要考慮，如”申請時間“、“建立關(guān)系時間”、“特征時間”等。

聚合一跳鄰居特征

一跳鄰居即直接相連的鄰居，我們需要設(shè)計一個聚合函數(shù)，在考慮關(guān)系權(quán)重的基礎(chǔ)上，如何表示一跳鄰居特征分布。

如下圖所示，假設(shè)是關(guān)系為親密度、節(jié)點特征為收入，如何聚合借款人不同親密度的鄰居收入特征？
我們可以設(shè)計這樣的聚合函數(shù)來加工信息（不考慮未知）：

簡單平均：

假設(shè)不同親密度的朋友對借款人信用風(fēng)險的影響是相同的（假設(shè)收入一樣）。

加權(quán)平均：

假設(shè)親密好友收入高低對借款人信用風(fēng)險影響較大。

最大值：

假設(shè)親密好友收入高低對借款人信用風(fēng)險影響較大。

哪個聚合函數(shù)效果比較好？不同聚合函數(shù)的業(yè)務(wù)假設(shè)是不同的，建議都使用。特征工程即把可能有用的特征都加工出來，再通過 y 做特征選擇。

特征取值“未知”，怎么處理？因為未知其實也可能包含信息，建議聚合計算分考慮未知和不考慮未知進(jìn)行計算。

鄰居特征是離散的，怎么聚合？轉(zhuǎn)換成one-hot編碼，計算在屬于某個類別鄰居比例。

聚合多跳鄰居特征

問題：鄰居數(shù)量隨著“跳數(shù)”增加而指數(shù)增長，直接獲得借款人多跳鄰居比較困難。假設(shè)平均節(jié)點度為100，那么每個借款人一跳鄰居數(shù)量為100，二跳鄰居100^2，三跳鄰居100^3。

下面介紹“多跳遞歸傳播”和”社區(qū)發(fā)現(xiàn)“這兩種方法

多跳遞歸傳播

以計算二跳鄰居特征為例，該方法大概的思路是：將當(dāng)前節(jié)點的二跳鄰居特征傳播到一跳鄰居上，然后將一跳鄰居新特征再傳播到當(dāng)前節(jié)點。

細(xì)節(jié)：

1. 因為每次傳播只會涉及直接相連的鄰居，故計算復(fù)雜度大為降低。

2. 原文前向傳播計算是帶參數(shù)W的，這里簡化為將所有參數(shù)相等（因為是特征工程，不是學(xué)習(xí)，故會損失一些信息）

3. 對鄰居節(jié)點進(jìn)行固定數(shù)量抽樣，而不是取全部（避免數(shù)據(jù)傾斜），采樣方法使用計算復(fù)雜度為O(1)的Alias Method。

4. 遞歸實現(xiàn)，每輪對所有節(jié)點聚合其鄰居（隱）特征及交互，并更新節(jié)點特征，作為下一輪輸入。

5. 第一輪得到所有節(jié)點一跳鄰居特征，第二輪得到二跳鄰居特征，以此類推。

社區(qū)發(fā)現(xiàn)

大致思路：通過社區(qū)發(fā)現(xiàn)算法將graph分成一個個社區(qū)，然后計算每個節(jié)點所屬社區(qū)的特征，如社區(qū)中黑名單比例、社區(qū)中平均收入。

這種方法相當(dāng)于對多跳鄰居根據(jù)拓?fù)浣Y(jié)構(gòu)進(jìn)行了分類（社區(qū)），故額外提取了網(wǎng)絡(luò)中拓?fù)浣Y(jié)構(gòu)信息。

工業(yè)界graph規(guī)模比較大，一般會用Louvain，速度快，效果也不錯，下面是spark版本實現(xiàn)：

https://link.zhihu.com/?target=https%3A//github.com/Sotera/spark-distributed-louvain-modularity

實體間特征交互

聚合鄰居特征h1后，如何與自身特征h2做交互？

拼接：直接將h1拼接作為其一個新的特征

比較：h1-h2 或者 h1/h2 。例如求鄰居平均收入與借款人自身收入差距較大，是否有異常？

平均：(h1+h2)/2。

最大值：max(h1,h2)，金融是重召回的，若特征表示風(fēng)險程度，這樣即取最大風(fēng)險。

處理不同異構(gòu)關(guān)系

將異構(gòu)關(guān)系拆成多個單一關(guān)系，每個關(guān)系都經(jīng)過上述方法生成特征，供下游不同場景使用。

這樣做的好處是：不同關(guān)系權(quán)重在不同場景是不同的，應(yīng)該是通過這些場景的y去學(xué)習(xí)。

形式化描述：

有|D|種類型關(guān)系，則可以拆解為|D|個graph：?

將上面提取graph特征方法記為 f

對每個?，都可以通過方法 f?提取特征?

將不同的?作為下游任務(wù)的輸入特征，根據(jù)任務(wù)目標(biāo)來賦予權(quán)重。

借鑒螞蟻處理異構(gòu)網(wǎng)絡(luò)的思路：

https://zhuanlan.zhihu.com/p/59666737

實踐結(jié)果

不同社區(qū)發(fā)現(xiàn)算法比較

在實際小規(guī)模graph上對比了主流的社區(qū)發(fā)現(xiàn)算法，Louvain在劃分社區(qū)質(zhì)量和劃分穩(wěn)定性上均表現(xiàn)不錯的，且能分布式實現(xiàn)。

Walktrap：基于隨機(jī)游走的社區(qū)發(fā)現(xiàn)算法 《Computing communities in large networks using random walks》

Leading Eigenvector：基于特征矩陣求模塊度，自底而上定層次聚類《Finding community structure in networks using the eigenvectors of matrices》

Fast-Greedy：自底而上的層次聚類《Finding community structure in very large networks》

Louvain：基于模塊度最大化的算法《Fast unfolding of communities in large networks》

LPA：基于標(biāo)簽傳播多社區(qū)發(fā)現(xiàn)算法 《Near linear time algorithm to detect community structures in large-scale networks.》

實驗結(jié)果

下面是脫敏后的實驗網(wǎng)絡(luò)的規(guī)模：

劃分質(zhì)量：模塊度指標(biāo)

劃分?jǐn)?shù)量合理性

這是louvain劃分的某個graph的可視化效果（繪制工具：gephi）