基于图算法实现金融风控

图算法一般被用来解决关系网状的业务场景。与常规的结构化数据不同，图算法需要把数据整理成首尾相连的关系图谱，更多的是考虑边和点的概念。这里提供了丰富的图算法组件，包括K-Core、最大联通子图、标签传播聚类等。

本示例是使用人物关系图数据，和少量标记用户数据，基于图算法实现金融风控。

导入 pyalink 包，并启用本地运行环境

在这个示例中，我们使用 useLocalEnv 在本地运行 Alink 作业，对于更大规模的数据，可以参考教程内容（https://www.yuque.com/pinshu/alink_tutorial/book_python_01_2_2），向大规模集群提交作业。

from pyalink.alink import *
useLocalEnv(1)

数据准备

本示例需要两个数据集：人物关系图数据表和已知用户标签表(标记哪些用户是欺诈用户，哪些用户是信用用户)。

人物关系图数据

每两个人之间的连线表示两人有一定关系，可以是同事关系或者亲人关系等。

人物关系图数据定义

# Alink支持多种数据源, 包括MaxCompute表，OSS，Oracle，内存数据源等。这里使用了内存数据源。
import pandas as pd
df = pd.DataFrame([
    ["Enoch", "Evan", 10],
    ["Enoch", "Gregary", 2],
    ["Gregary", "Hale", 6],
    ["Evan", "Hugo", 2],
    ["Evan", "Jeff", 4],
    ["Gregary", "Keith", 7],
    ["Jeff", "Keith", 5],
    ["Hale", "Jeff", 11],
    ["Keith", "Leif", 3],
    ["Keith", "Lionel", 1],
    ["Leif", "Mick", 4],
    ["Mick", "Noah", 5],
    ["Lionel", "Noah", 5],
    ["Rex", "Parker", 3],
    ["Rex", "Stan", 4],
    ["Stan", "Parker", 5]
])

edges = BatchOperator.fromDataframe(df, schemaStr='source string, target string, weight double')

查看人物关系表

edges.lazyPrint(5)

BatchOperator.execute()

已知用户标签表

df_labeled_vertices = pd.DataFrame([
    ["Enoch", "信用用户", 1.0],
    ["Evan", "欺诈用户", 0.8]
 ])
    
labeled_vertices = BatchOperator.fromDataframe(df_labeled_vertices, schemaStr='vertices string, labels string, weight double')
labeled_vertices.print()

使用图算法判断用户是否是欺诈用户

分为三步，

第一步，最大联通子图

通过最大联通子图组件将数据中的群体分为两部分，并赋予group_id。然后通过filter和JOIN去除图中的无关联人员。

最大联通子图组件可以查找具有通联关系的最大集合，从而排除团队中与风控无关的人。

# 通过联通子图找到无关人员
connected_components = edges\
    .link(
          ConnectedComponentsBatchOp()\
            .setEdgeSourceCol("source")\
            .setEdgeTargetCol("target")\
    )\
    .lazyPrint(title="【连通子图】") 

BatchOperator.execute()

【连通子图】

画成下图：

如上图所示，结果有两组，groupId=0和groupId=11，可以看出groupId=11中没有已标记的欺诈用户和诚信用户，因此认为groupId=11是无关联人员，需要去掉。

# 过滤groupId=0的用户
selected_nodes = connected_components\
    .filter("groupId=0") \
    .lazyPrint(5, title="【选择 group 0】") 
BatchOperator.execute()

【选择 group 0】

# 使用Join, 去掉无关人员
join1 = JoinBatchOp()\
    .setJoinPredicate("source=node")\
    .setSelectClause("source, target, weight")\
    .linkFrom(edges, selected_nodes)

filtered_edges = JoinBatchOp()\
    .setJoinPredicate("target=node")\
    .setSelectClause("source, target, weight")\
    .linkFrom(join1, selected_nodes)\
    .lazyPrint(title="【过滤后的边】")

BatchOperator.execute()

【过滤后的边】

第二步，探查每个人的一度人脉及二度人脉等关系

单元最短路径组件的输出结果中，distance表示Enoch通过几个人可以联络到目标人

# 指定source(源头) = 'Enoch'
filtered_edges.link(\
      SingleSourceShortestPathBatchOp()\
        .setIsUndirectedGraph(True)\
        .setEdgeSourceCol("source")\
        .setEdgeTargetCol("target")\
        .setEdgeWeightCol("weight")\
        .setSourcePoint("Enoch")\
    )\
    .lazyPrint(title="【单源最短路径】")
BatchOperator.execute()

【单源最短路径】

第三步，使用标签传播确定未标记点的标签

标签传播分类为半监督的分类算法，原理为用已标记节点的标签信息去预测未标记节点的标签信息。

在算法执行过程中，每个节点的标签按相似度传播给相邻节点，在节点传播的每一步，每个节点根据相邻节点的标签来更新自己的标签，与该节点相似度越大，其相邻节点对其标注的影响权值越大，相似节点的标签越趋于一致，其标签就越容易传播。在标签传播过程中，保持已标注数据的标签不变，使其像一个源头把标签传向未标注数据。

最终，当迭代过程结束时，相似节点的概率分布也趋于相似，可以划分到同一个类别中，从而完成标签传播过程

# 标签传播算法
CommunityDetectionClassifyBatchOp()\
    .setIsUndirectedGraph(True)\
    .setEdgeSourceCol("source")\
    .setEdgeTargetCol("target")\
    .setEdgeWeightCol("weight")\
    .setVertexCol("vertices")\
    .setVertexLabelCol("labels")\
    .linkFrom(filtered_edges, labeled_vertices)\
    .lazyPrint(title="【标签传播--过滤的节点】")

BatchOperator.execute()

【标签传播--过滤的节点】

ALinkLab