知識圖譜在風控的應用

1、知識圖譜在風控的應用本文將主要討論知識圖譜在風控領域的圖譜構建過程。enjoy,知識圖譜和金融領域簡述什么是知識圖譜？借鑒其中一個理解:知識圖譜主要的目標是用來描述真實世界中間存在的各種實體和概念，以及它們之間的關聯(lián)關系。具體理論知識就不在此贅述，對于這個抽象的概念會有一篇文章來列舉一個代 表性的例子。知識圖譜起源于語義網(wǎng)絡，最初由 Google提出用與優(yōu)化搜索結果，發(fā)展至今 已經(jīng)應用于各個垂直化領域。從商業(yè)概念上，知識圖譜可分為“通用知識圖譜” 和“行業(yè)知識圖譜”。通用知識圖譜顧名思義是面向全領域的， 強調的是“廣度”， 比較著名的知識庫有 Freebase, Wikidata, Yago,

2、 DBPedia 等。1 / 11行業(yè)知識圖譜是面向特定的垂直領域，對于數(shù)據(jù)有更嚴格的前置數(shù)據(jù)模式和更 準確的準確度要求，強調的是“深度”。兩者之間的主要區(qū)別在于前者是“自底 向上”構建的知識庫，后者是“自頂向下”構建的知識庫。金融領域數(shù)據(jù)是典型的具有” 4V特征的大數(shù)據(jù)（數(shù)量海量 Volume多結構 多維度Variety、價值巨大Value、及時性要求Velocity ）。進一步，金融領域 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、保險類等。再小粒度可分為：貨幣、債券、基金、信托等資管計劃、要素市 場、征信貸款等。知識圖譜在金融領域的應用主要包括：風控、征信

3、、審計、反 欺詐、數(shù)據(jù)分析、自動化報告等，本文主要討論知識圖譜在小微風控的應用。風控是指如何當項目或企業(yè)在一定的風險的環(huán)境里， 把風險減至最低的管理過 程。它的基本程序包括風險識別、風險估測、風險評價、風險控制和風險管理效 果評價等環(huán)節(jié)。風險控制的最大兩個分類為企業(yè)風險監(jiān)控和個人貸款審核。企業(yè)數(shù)據(jù)包括：企業(yè)基礎數(shù)據(jù)、投資關系、任職關系、企業(yè)專利數(shù)據(jù)、企業(yè)招投標數(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)。個人貸款的數(shù)據(jù)包括：個 人的基本信息、行為信息、信用信息、社交信息、消費信息等。本文將主要討論知識圖譜在風控領域的圖譜構建過程。2 / 11.風控的知識圖譜構建知識圖譜的邏輯

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

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

6、主要討論風控領域的手動本體構建過 程。本體和知識圖譜的構建方法有很多，這里分享一個在實際工作中初略的知識圖 譜構建流程：本體庫構建；知識圖譜構建;知識圖譜應用。提到知識圖譜通常認為重點在于算法和開發(fā)，實際知識圖譜的構建和傳統(tǒng)關系型數(shù)據(jù)庫的構建情況一樣，重點在于具體業(yè)務流程的理解和本體的設計， 知識圖譜的構建過程的工作占比如下：三.風控的本體構建如前所述，構建風控領域知識圖譜的首要工作是構建本體模型，即定義行業(yè)的通用概念為實體，以及實體之間的關系。4 / 11信貸最核心的主體就是貸款申請者，貸款申請者可能是個人也可能是公司， 過申請者的基本信息、行為信息、經(jīng)營狀況、社會關系等評估貸款的風險。因此

7、 可以列舉信貸相關的核心實體為：人、企業(yè)、銀行賬戶、銀行、抵押物、申請事 件、訴訟事件等，以及基本信息實體：電話、郵件、地址等。實體與實體之間的 關系為 親屬、任職、所有權、事件參與方等。如圖所示為一個簡化版的信貸風 控本體模型。為什么要將人和公司的電話地址設計為單獨的實體節(jié)點， 是基于風控的業(yè)務關 注點，當兩個貸款申請者有相同的電話或者地址時候， 可能就是一個需要關注的 風險點。把這兩個信息作為單獨的節(jié)點，基于圖譜理論，當統(tǒng)計“電話”類型節(jié) 點的邊數(shù)量超過一個就能很方便找出高風險申請者。本體構建完成后，需要對比實際業(yè)務對本體進行驗證，確保本體能夠正確描述 當前業(yè)務，并且包含了所有的業(yè)務流程。

8、.風控的圖譜構建知識圖譜的構建是圖譜應用的前提，構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。 對于垂直領域的知識圖譜來說，數(shù)據(jù)的 主要來源是是業(yè)務本身的數(shù)據(jù)，其通常是機構自己的私有數(shù)據(jù)以結構化的形式存5 / 11儲。通過ETL處理，將數(shù)據(jù)抽取轉換為圖譜數(shù)據(jù)。圖譜數(shù)據(jù)的存儲形式目前有兩 種：基于RD曲存儲和圖數(shù)據(jù)庫存儲。兩者的比較如下所示：RDF圖數(shù)據(jù)庫存儲三元組節(jié)點和關系擁有屬性符合 W3CB準圖的遍歷和擴展方 便有標準的推理引擎擁有事務管理數(shù)據(jù)可移植性高工程化程度高多用于學術場 景可視化效果好。在實際工程應用中主要采用圖庫的方式對知識圖譜進行存儲，當前比較流行的

9、圖數(shù)據(jù)庫為Neo4j,本篇不再詳細介紹圖數(shù)據(jù)庫和 Neo4j,重點在于如何根據(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的方式進行，CSV的格式 要求如Neo4j官網(wǎng)的操作手冊所示。假設數(shù)據(jù)源是關系型數(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）”是外鍵關聯(lián)到person 表：我們要從源數(shù)據(jù)中抽取出多個實體和多條關系，這里部分舉例如下:6 / 11實體:personcompanyaccountbankphoneNoa

10、ddress關系: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:personId:ID, personName, : LABEL001,“personA” , person002,“pers

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

12、款審核期 問，申請貸款主體的關聯(lián)方信息中有借貸糾紛的訴訟事件， 擔保方過多等可關注 的風險點。在貸款發(fā)放后，有時出現(xiàn)貸款方失聯(lián)的情況，無法通過申請貸款時提 交的信息聯(lián)系到借款方，可以通探尋更“深遠”的關聯(lián)方找到失聯(lián)的貸款方。.反欺詐調查在實際場景中，有不少人利用各種渠道而來身份證進行貸款申請。 還有公司通 過循環(huán)轉賬等方式提供虛假的經(jīng)營流水信息。通過知識圖譜可以識別以上風險 點。如多個貸款申請人提供的身份證號嗎不同， 但是卻有相同的聯(lián)系電話號嗎或 者聯(lián)系地址。銀行作為借貸機構，可以調查申請人賬戶資金往來情況， 識別是否 存在循環(huán)轉賬等異常資金往來信息識別風險點。在圖譜中，通過條件搜索指定的節(jié)點可以篩選調查風險節(jié)點， 如：“電話號碼”節(jié)點的關聯(lián)方大于1的節(jié)點。.風險指標報告10 / 11在風控處理中，貸款風險比率是衡量商業(yè)銀行風險最重要的指標之一， 主要包 括不良貸款比率、貸款加權風險度、貸款分散化比率、不良貸款撥備覆蓋率等。將知識圖譜中貸款人節(jié)點和相關指標相結合，設定報警閾值，通過機器學習等技 術，找到隱蔽的風險結構，指標特征，能夠快速找出相關責任方和其關聯(lián)方，形 成報告供業(yè)務人員進行調。本文主要介紹了知識圖譜在風控中的應用