知識(shí)圖譜在風(fēng)控的應(yīng)用

1、知識(shí)圖譜在風(fēng)控的應(yīng)用本文將主要討論知識(shí)圖譜在風(fēng)控領(lǐng)域的圖譜構(gòu)建過程。enjoy,知識(shí)圖譜和金融領(lǐng)域簡述什么是知識(shí)圖譜？借鑒其中一個(gè)理解:知識(shí)圖譜主要的目標(biāo)是用來描述真實(shí)世界中間存在的各種實(shí)體和概念，以及它們之間的關(guān)聯(lián)關(guān)系。具體理論知識(shí)就不在此贅述，對(duì)于這個(gè)抽象的概念會(huì)有一篇文章來列舉一個(gè)代 表性的例子。知識(shí)圖譜起源于語義網(wǎng)絡(luò)，最初由 Google提出用與優(yōu)化搜索結(jié)果，發(fā)展至今 已經(jīng)應(yīng)用于各個(gè)垂直化領(lǐng)域。從商業(yè)概念上，知識(shí)圖譜可分為“通用知識(shí)圖譜” 和“行業(yè)知識(shí)圖譜”。通用知識(shí)圖譜顧名思義是面向全領(lǐng)域的， 強(qiáng)調(diào)的是“廣度”， 比較著名的知識(shí)庫有 Freebase, Wikidata, Yago,

2、 DBPedia 等。1 / 11行業(yè)知識(shí)圖譜是面向特定的垂直領(lǐng)域，對(duì)于數(shù)據(jù)有更嚴(yán)格的前置數(shù)據(jù)模式和更 準(zhǔn)確的準(zhǔn)確度要求，強(qiáng)調(diào)的是“深度”。兩者之間的主要區(qū)別在于前者是“自底 向上”構(gòu)建的知識(shí)庫，后者是“自頂向下”構(gòu)建的知識(shí)庫。金融領(lǐng)域數(shù)據(jù)是典型的具有” 4V特征的大數(shù)據(jù)（數(shù)量海量 Volume多結(jié)構(gòu) 多維度Variety、價(jià)值巨大Value、及時(shí)性要求Velocity ）。進(jìn)一步，金融領(lǐng)域 是最能把數(shù)據(jù)變現(xiàn)的行業(yè)。金融業(yè)類別業(yè)非常廣，大類主要包括：銀行類、投資 類、保險(xiǎn)類等。再小粒度可分為：貨幣、債券、基金、信托等資管計(jì)劃、要素市 場、征信貸款等。知識(shí)圖譜在金融領(lǐng)域的應(yīng)用主要包括：風(fēng)控、征信

3、、審計(jì)、反 欺詐、數(shù)據(jù)分析、自動(dòng)化報(bào)告等，本文主要討論知識(shí)圖譜在小微風(fēng)控的應(yīng)用。風(fēng)控是指如何當(dāng)項(xiàng)目或企業(yè)在一定的風(fēng)險(xiǎn)的環(huán)境里， 把風(fēng)險(xiǎn)減至最低的管理過 程。它的基本程序包括風(fēng)險(xiǎn)識(shí)別、風(fēng)險(xiǎn)估測、風(fēng)險(xiǎn)評(píng)價(jià)、風(fēng)險(xiǎn)控制和風(fēng)險(xiǎn)管理效 果評(píng)價(jià)等環(huán)節(jié)。風(fēng)險(xiǎn)控制的最大兩個(gè)分類為企業(yè)風(fēng)險(xiǎn)監(jiān)控和個(gè)人貸款審核。企業(yè)數(shù)據(jù)包括：企業(yè)基礎(chǔ)數(shù)據(jù)、投資關(guān)系、任職關(guān)系、企業(yè)專利數(shù)據(jù)、企業(yè)招投標(biāo)數(shù)據(jù)、企業(yè)招聘 數(shù)據(jù)、企業(yè)訴訟數(shù)據(jù)、企業(yè)失信數(shù)據(jù)、企業(yè)新聞數(shù)據(jù)。個(gè)人貸款的數(shù)據(jù)包括：個(gè) 人的基本信息、行為信息、信用信息、社交信息、消費(fèi)信息等。本文將主要討論知識(shí)圖譜在風(fēng)控領(lǐng)域的圖譜構(gòu)建過程。2 / 11.風(fēng)控的知識(shí)圖譜構(gòu)建知識(shí)圖譜的邏輯

4、結(jié)構(gòu)分為兩個(gè)層次：數(shù)據(jù)層和模式層。在知識(shí)圖譜的數(shù)據(jù)層，數(shù)據(jù)如果以實(shí)體-關(guān)系-實(shí)體或者實(shí)體-屬性-值 作為基本表達(dá)方式，我們把這種表達(dá)方式稱為“三元組”，則存儲(chǔ)在圖數(shù)據(jù)庫中 的所有數(shù)據(jù)將構(gòu)成龐大的實(shí)體關(guān)系網(wǎng)絡(luò)，形成知識(shí)的圖譜。模式層在數(shù)據(jù)層之上，是知識(shí)圖譜的核心，在模式層存儲(chǔ)的是經(jīng)過提煉的知識(shí)， 通常采用本體庫來管理知識(shí)圖譜的模式層，借助本體庫對(duì)公理、規(guī)則和約束條件 的支持能力來規(guī)范實(shí)體、關(guān)系以及實(shí)體的類型和屬性等對(duì)象之間的聯(lián)系。 本體庫 在知識(shí)圖譜中的地位相當(dāng)于知識(shí)庫的模具，擁有本體庫的知識(shí)庫冗余知識(shí)較少。這里涉及知識(shí)圖譜的另外一個(gè)重要概念是“本體 （Ontology） ”。本體的概念 最早起

5、源于哲學(xué)領(lǐng)域，指的是對(duì)客觀存在系統(tǒng)的解釋和說明。在眾多概念中， 維基上的定義更加通俗些：本體實(shí)際上就是對(duì)特定領(lǐng)域之中某套概念及其相互之 間關(guān)系的形式化表達(dá)。具體到金融風(fēng)控領(lǐng)域，本體目的就是對(duì)風(fēng)控領(lǐng)域的知識(shí)術(shù) 語進(jìn)行分類，同時(shí)規(guī)定各個(gè)分類之間的關(guān)系和它們自身的屬性。本體可以采用人工編輯的方式手動(dòng)構(gòu)建 （借助本體編輯軟件），也可以以數(shù)據(jù) 驅(qū)動(dòng)的自動(dòng)化方式構(gòu)建本體。自動(dòng)化構(gòu)建包含3個(gè)階段：實(shí)體并列關(guān)系相似度計(jì) 算、實(shí)體上下位關(guān)系抽取、本體的生成。在領(lǐng)域本體構(gòu)建的實(shí)際工程中，領(lǐng)域本 體所涉及的實(shí)體類型非常有限（最多數(shù)量也不會(huì)過百），與其花很高的成本去做3 / 11自動(dòng)化，不如人工構(gòu)建本體。所以本章節(jié)也

6、主要討論風(fēng)控領(lǐng)域的手動(dòng)本體構(gòu)建過 程。本體和知識(shí)圖譜的構(gòu)建方法有很多，這里分享一個(gè)在實(shí)際工作中初略的知識(shí)圖 譜構(gòu)建流程：本體庫構(gòu)建；知識(shí)圖譜構(gòu)建;知識(shí)圖譜應(yīng)用。提到知識(shí)圖譜通常認(rèn)為重點(diǎn)在于算法和開發(fā)，實(shí)際知識(shí)圖譜的構(gòu)建和傳統(tǒng)關(guān)系型數(shù)據(jù)庫的構(gòu)建情況一樣，重點(diǎn)在于具體業(yè)務(wù)流程的理解和本體的設(shè)計(jì)， 知識(shí)圖譜的構(gòu)建過程的工作占比如下：三.風(fēng)控的本體構(gòu)建如前所述，構(gòu)建風(fēng)控領(lǐng)域知識(shí)圖譜的首要工作是構(gòu)建本體模型，即定義行業(yè)的通用概念為實(shí)體，以及實(shí)體之間的關(guān)系。4 / 11信貸最核心的主體就是貸款申請(qǐng)者，貸款申請(qǐng)者可能是個(gè)人也可能是公司， 過申請(qǐng)者的基本信息、行為信息、經(jīng)營狀況、社會(huì)關(guān)系等評(píng)估貸款的風(fēng)險(xiǎn)。因此

7、 可以列舉信貸相關(guān)的核心實(shí)體為：人、企業(yè)、銀行賬戶、銀行、抵押物、申請(qǐng)事 件、訴訟事件等，以及基本信息實(shí)體：電話、郵件、地址等。實(shí)體與實(shí)體之間的 關(guān)系為 親屬、任職、所有權(quán)、事件參與方等。如圖所示為一個(gè)簡化版的信貸風(fēng) 控本體模型。為什么要將人和公司的電話地址設(shè)計(jì)為單獨(dú)的實(shí)體節(jié)點(diǎn)， 是基于風(fēng)控的業(yè)務(wù)關(guān) 注點(diǎn)，當(dāng)兩個(gè)貸款申請(qǐng)者有相同的電話或者地址時(shí)候， 可能就是一個(gè)需要關(guān)注的 風(fēng)險(xiǎn)點(diǎn)。把這兩個(gè)信息作為單獨(dú)的節(jié)點(diǎn)，基于圖譜理論，當(dāng)統(tǒng)計(jì)“電話”類型節(jié) 點(diǎn)的邊數(shù)量超過一個(gè)就能很方便找出高風(fēng)險(xiǎn)申請(qǐng)者。本體構(gòu)建完成后，需要對(duì)比實(shí)際業(yè)務(wù)對(duì)本體進(jìn)行驗(yàn)證，確保本體能夠正確描述 當(dāng)前業(yè)務(wù)，并且包含了所有的業(yè)務(wù)流程。

8、.風(fēng)控的圖譜構(gòu)建知識(shí)圖譜的構(gòu)建是圖譜應(yīng)用的前提，構(gòu)建的主要工作是把數(shù)據(jù)從不同的數(shù)據(jù)源 中按照本體模型所規(guī)定的規(guī)則抽取出來。 對(duì)于垂直領(lǐng)域的知識(shí)圖譜來說，數(shù)據(jù)的 主要來源是是業(yè)務(wù)本身的數(shù)據(jù)，其通常是機(jī)構(gòu)自己的私有數(shù)據(jù)以結(jié)構(gòu)化的形式存5 / 11儲(chǔ)。通過ETL處理，將數(shù)據(jù)抽取轉(zhuǎn)換為圖譜數(shù)據(jù)。圖譜數(shù)據(jù)的存儲(chǔ)形式目前有兩 種：基于RD曲存儲(chǔ)和圖數(shù)據(jù)庫存儲(chǔ)。兩者的比較如下所示：RDF圖數(shù)據(jù)庫存儲(chǔ)三元組節(jié)點(diǎn)和關(guān)系擁有屬性符合 W3CB準(zhǔn)圖的遍歷和擴(kuò)展方 便有標(biāo)準(zhǔn)的推理引擎擁有事務(wù)管理數(shù)據(jù)可移植性高工程化程度高多用于學(xué)術(shù)場 景可視化效果好。在實(shí)際工程應(yīng)用中主要采用圖庫的方式對(duì)知識(shí)圖譜進(jìn)行存儲(chǔ)，當(dāng)前比較流行的

9、圖數(shù)據(jù)庫為Neo4j,本篇不再詳細(xì)介紹圖數(shù)據(jù)庫和 Neo4j,重點(diǎn)在于如何根據(jù)本 體將數(shù)據(jù)映射成為Neo4j要求的數(shù)據(jù)格式。Neo4j提供了多種加載數(shù)據(jù)的方式， 對(duì)于小規(guī)模數(shù)據(jù)（1w10w條數(shù)據(jù)），可以采用加載CSV的方式進(jìn)行，CSV的格式 要求如Neo4j官網(wǎng)的操作手冊(cè)所示。假設(shè)數(shù)據(jù)源是關(guān)系型數(shù)據(jù)庫，其中中有三張表及其字段如下所示，company表中字段“l(fā)egal_person （法人代表）”和“manager（經(jīng)理）”是外鍵關(guān)聯(lián)到person 表：我們要從源數(shù)據(jù)中抽取出多個(gè)實(shí)體和多條關(guān)系，這里部分舉例如下:6 / 11實(shí)體:personcompanyaccountbankphoneNoa

10、ddress關(guān)系:person IsLegalPersonOfcompanyperson lsManagerOf - company7 / 11person isOwnerOf - accountaccount belongsTo - bankperson hasPhoneNo - phoneNocompany hasAddress - address根據(jù)Neo4j的要求將源數(shù)據(jù)進(jìn)行ETL處理，映射成為Neo4j要求的CSV格式文 件，簡單列舉如下：person 節(jié)點(diǎn):personId:ID, personName, : LABEL001,“personA” , person002,“pers

11、onB” , person8 / 11法人關(guān)系:START_ID, :END_ID, : LABEL001, 101, isLegalPersonOf002, 102, isLegalPersonOf.圖譜的應(yīng)用當(dāng)前，小微貸款和個(gè)人小額貸款還處于“蠻荒時(shí)代”，甚至出現(xiàn)了各種中介機(jī) 構(gòu)通過各種偽造的虛假信息幫助客戶申請(qǐng)貸款。所以對(duì)于放貸方而言，借貸風(fēng)險(xiǎn) 控制面臨非常巨大的挑戰(zhàn)。.貸款申請(qǐng)方畫像可以在圖譜中直接搜索某個(gè)具體的人名字或者公司名字，獲取該人或者公司的基礎(chǔ)信息畫像，如電話，地址，關(guān)聯(lián)方的信息。如圖所示：9 / 11.關(guān)聯(lián)方探查通過圖譜可以調(diào)查某個(gè)人或者某家申請(qǐng)貸款公司的關(guān)聯(lián)方信息。 在貸

12、款審核期 問，申請(qǐng)貸款主體的關(guān)聯(lián)方信息中有借貸糾紛的訴訟事件， 擔(dān)保方過多等可關(guān)注 的風(fēng)險(xiǎn)點(diǎn)。在貸款發(fā)放后，有時(shí)出現(xiàn)貸款方失聯(lián)的情況，無法通過申請(qǐng)貸款時(shí)提 交的信息聯(lián)系到借款方，可以通探尋更“深遠(yuǎn)”的關(guān)聯(lián)方找到失聯(lián)的貸款方。.反欺詐調(diào)查在實(shí)際場景中，有不少人利用各種渠道而來身份證進(jìn)行貸款申請(qǐng)。 還有公司通 過循環(huán)轉(zhuǎn)賬等方式提供虛假的經(jīng)營流水信息。通過知識(shí)圖譜可以識(shí)別以上風(fēng)險(xiǎn) 點(diǎn)。如多個(gè)貸款申請(qǐng)人提供的身份證號(hào)嗎不同， 但是卻有相同的聯(lián)系電話號(hào)嗎或 者聯(lián)系地址。銀行作為借貸機(jī)構(gòu)，可以調(diào)查申請(qǐng)人賬戶資金往來情況， 識(shí)別是否 存在循環(huán)轉(zhuǎn)賬等異常資金往來信息識(shí)別風(fēng)險(xiǎn)點(diǎn)。在圖譜中，通過條件搜索指定的節(jié)點(diǎn)可以篩選調(diào)查風(fēng)險(xiǎn)節(jié)點(diǎn)， 如：“電話號(hào)碼”節(jié)點(diǎn)的關(guān)聯(lián)方大于1的節(jié)點(diǎn)。.風(fēng)險(xiǎn)指標(biāo)報(bào)告10 / 11在風(fēng)控處理中，貸款風(fēng)險(xiǎn)比率是衡量商業(yè)銀行風(fēng)險(xiǎn)最重要的指標(biāo)之一， 主要包 括不良貸款比率、貸款加權(quán)風(fēng)險(xiǎn)度、貸款分散化比率、不良貸款撥備覆蓋率等。將知識(shí)圖譜中貸款人節(jié)點(diǎn)和相關(guān)指標(biāo)相結(jié)合，設(shè)定報(bào)警閾值，通過機(jī)器學(xué)習(xí)等技 術(shù)，找到隱蔽的風(fēng)險(xiǎn)結(jié)構(gòu)，指標(biāo)特征，能夠快速找出相關(guān)責(zé)任方和其關(guān)聯(lián)方，形 成報(bào)告供業(yè)務(wù)人員進(jìn)行調(diào)。本文主要介紹了知識(shí)圖譜在風(fēng)控中的應(yīng)用