本文整理自 中國(guó)移動(dòng)算法工程師 汪海濤 在 NUC 2022 年度用戶大會(huì)上的分享。

各位朋友上午好,，我是來自中國(guó)移動(dòng)的算法工程師汪海濤。接下來我主要聊一聊圖數(shù)據(jù)庫(kù)在中國(guó)移動(dòng)，特別是金融風(fēng)控場(chǎng)景的落地應(yīng)用,。

為什么中國(guó)移動(dòng)要建設(shè)圖平臺(tái),？

「全國(guó) 9 億用戶，每天產(chǎn)生大量數(shù)據(jù)」

中國(guó)移動(dòng)有非常多的數(shù)據(jù),，全國(guó)的用戶每天都會(huì)產(chǎn)生海量的數(shù)據(jù),。如何從這么大數(shù)據(jù)量里面挖掘出有用的信息，然后用到金融風(fēng)控場(chǎng)景,？這就是我們需要做的事情,。

之前，我們是以手機(jī)號(hào)為維度去提取特征,，然后去做一些模型或規(guī)則判斷一個(gè)手機(jī)號(hào)是否是有違約風(fēng)險(xiǎn),。但僅僅基于手機(jī)號(hào)很難綜合去考慮風(fēng)險(xiǎn)情況，因此我們就想采用圖計(jì)算技術(shù)去綜合看一個(gè)手機(jī)號(hào)以及周圍的其他手機(jī)號(hào)的信息,，然后共同評(píng)判它的風(fēng)險(xiǎn),。

最開始是基于消費(fèi)金融的場(chǎng)景，從比如說像螞蟻金服,、微信以及京東白條這樣一些產(chǎn)品切入,，通過用戶通話數(shù)據(jù)、短信數(shù)據(jù),、設(shè)備等多維度的一些信息,，去判斷用戶風(fēng)險(xiǎn)。但中國(guó)移動(dòng)數(shù)據(jù)量這么大,，不管我們要做什么,，最大的訴求就是需要有一個(gè)非常高性能的平臺(tái)去支撐數(shù)據(jù)分析,。

為什么選擇「悅數(shù)」圖數(shù)據(jù)庫(kù),？

「JanusGraph vs TigerGraph vs 悅數(shù)圖數(shù)據(jù)庫(kù)」

我們最早是采用了 JanusGraph 加上 Spark 去建設(shè)我們平臺(tái),，但是通過一些測(cè)試，我們發(fā)現(xiàn) JanusGraph 的查詢性能以及導(dǎo)入性能都比較一般,，然后 GraphX 的話,，它的計(jì)算性能其實(shí)也比較一般，特別是它需要的內(nèi)存量特別大,，因此我們后來又開始去調(diào)研了市場(chǎng)上很多的圖產(chǎn)品,，并且對(duì)一些圖產(chǎn)品做了測(cè)試，包括國(guó)外的產(chǎn)品,，像 TigerGraph 之類的等等,，但是因?yàn)橐恍┨厥庠颍袊?guó)移動(dòng)是在美國(guó)商務(wù)部的實(shí)體清單上,，所以很多外國(guó)的產(chǎn)品我們是沒法去采購(gòu)和使用的,。

因此最后，我們是選擇國(guó)內(nèi)的幾家廠商進(jìn)行了一些測(cè)試和比較,，最后選擇了「悅數(shù)圖數(shù)據(jù)庫(kù) 」,。

中國(guó)移動(dòng)是如何搭建圖平臺(tái)的

圖平臺(tái)建設(shè)概況

我們整體的架構(gòu)大概是這樣的——

最底層是我們的數(shù)據(jù)源，中國(guó)移動(dòng)建設(shè)有一個(gè)全國(guó)大數(shù)據(jù)中心,，主要包括通話數(shù)據(jù),、位置數(shù)據(jù)、消費(fèi)數(shù)據(jù),、設(shè)備數(shù)據(jù),、用戶數(shù)據(jù)和 APP 數(shù)據(jù)等等，我們每月把這些數(shù)據(jù)抽取到 HDFS 里面,，然后把其中有用的數(shù)據(jù)抽取到悅數(shù)圖數(shù)據(jù)庫(kù)里面,，那么這里用的就是悅數(shù)的一個(gè)導(dǎo)入工具，這是我們圖數(shù)據(jù)存儲(chǔ)這一層,。

再上一層是計(jì)算分析層,，這也是我們建模和業(yè)務(wù)分析人員主要使用的一些框架。首先第一個(gè)是 Plato,，它是騰訊之前開源的一個(gè)圖計(jì)算引擎,，但是據(jù)我所知騰訊現(xiàn)在已經(jīng)不維護(hù)這一套引擎了，因此我們也是專門找一些工程師,，然后去維護(hù)這里面的一套框架,，以及修復(fù)一些小 bug 之類的。

那么它包含的算法其實(shí)很多的,，這里我主要是列舉了兩個(gè)社區(qū)發(fā)現(xiàn)算法、Louvain 算法和 HANP 算法。它里面還包含一個(gè) LPA 算法,，因?yàn)長(zhǎng)PA 算法的話是 HANP 算法一個(gè)簡(jiǎn)化版,，所以這里我沒有列出來。

然后里面還有一個(gè)我們有可能后面會(huì)用到的關(guān)于隨機(jī)游走類的算法,，主要是基于隨機(jī)游走得到一個(gè)節(jié)點(diǎn)序列,，會(huì)為我們后面用于圖神經(jīng)網(wǎng)絡(luò)訓(xùn)練做一個(gè)前期數(shù)據(jù)預(yù)處理的工作。

第三個(gè)是 GNN,，就是圖神經(jīng)網(wǎng)絡(luò),。圖神經(jīng)網(wǎng)絡(luò)是最近幾年興起的一個(gè)領(lǐng)域，我們現(xiàn)在主要是基于這些模型做一些簡(jiǎn)單的產(chǎn)品,，看看能不能取得比以往的方法更好的一些效果,。最后基于悅數(shù)的圖查詢語(yǔ)言，主要是 go 語(yǔ)句和 fetch 語(yǔ)句做一些簡(jiǎn)單查詢,。

再上一層的話就是應(yīng)用層,。首先是關(guān)聯(lián)風(fēng)險(xiǎn)分，關(guān)聯(lián)風(fēng)險(xiǎn)分主要是基于配套的社區(qū)發(fā)現(xiàn)算法來做的,。第二個(gè)號(hào)碼風(fēng)險(xiǎn)分和最后一個(gè)催收分析是基于悅數(shù)圖數(shù)據(jù)庫(kù)的查詢語(yǔ)句來做的,，主要就是查詢用戶跟一度、二度聯(lián)系人以及一些違約用戶,，或是催收專用號(hào)碼進(jìn)行一些主動(dòng)或被動(dòng)的呼叫,。第三個(gè)信用評(píng)分卡是基于圖神經(jīng)網(wǎng)絡(luò)來做的，主要是用邏輯回歸或者決策樹之類的模型,，希望通過圖神經(jīng)網(wǎng)絡(luò)做一些提高,。

圖數(shù)據(jù)結(jié)構(gòu)介紹

• 點(diǎn)數(shù)據(jù)

點(diǎn)數(shù)據(jù)主要是有四類，第一個(gè)是手機(jī)號(hào),，手機(jī)號(hào)也是我們最重要的點(diǎn)數(shù)據(jù),，主要是包括比如這手機(jī)號(hào)它是屬于哪個(gè)市的，是否發(fā)生過停機(jī)等等,，還有一些消費(fèi)信息,。第二個(gè)是地理位置，主要基于基站,。第三個(gè)身份證,，作為唯一身份證識(shí)別，可能也會(huì)有年齡或?qū)W歷之類的標(biāo)志,。最后是設(shè)備信息,，一般手機(jī)會(huì)有一個(gè)設(shè)備值，有對(duì)應(yīng)的型號(hào),、設(shè)備系統(tǒng)等,。

• 邊數(shù)據(jù)

目前邊數(shù)據(jù)的話,，一個(gè)是用戶跟用戶的通話數(shù)據(jù)，第二個(gè)是手機(jī)號(hào)和身份之間的對(duì)應(yīng)關(guān)系,，第三個(gè)是手機(jī)號(hào)和設(shè)備之間對(duì)應(yīng)關(guān)系,，第四個(gè)是手機(jī)號(hào)跟地理位置之間對(duì)應(yīng)關(guān)系，那么這些是我們?cè)趫D數(shù)據(jù)庫(kù)里面保存的一些數(shù)據(jù),。

圖技術(shù)在中國(guó)移動(dòng)有哪些應(yīng)用

應(yīng)用1：號(hào)碼風(fēng)險(xiǎn)分

首先是號(hào)碼風(fēng)險(xiǎn)分模型,，主要用在羊毛黨識(shí)別這個(gè)場(chǎng)景。我們會(huì)根據(jù)用戶的通話流量位置以及手機(jī)行為信息去判斷一個(gè)號(hào)碼有沒有可能是個(gè)羊毛黨,，主要通過四個(gè)模塊——

第一個(gè)是接碼模塊,，我們會(huì)跟一些外面數(shù)據(jù)公司合作，判斷一個(gè)號(hào)碼有沒有可能是一個(gè)接碼號(hào)碼,，如果是,，我們會(huì)認(rèn)為這個(gè)號(hào)碼是薅羊毛的可能性就很大。

第二個(gè)行為異常號(hào)碼,，比如說這個(gè)手機(jī)號(hào)是否當(dāng)月一次通話都沒有,，然后是不是每月都基本只有固定的月租這樣的消費(fèi)。這種號(hào)碼我們認(rèn)為它可能是一個(gè)小號(hào),，或者是專門用來去薅羊毛的號(hào)碼,。

第三個(gè)是位置異常，比如說這個(gè)手機(jī)是否一個(gè)月下來就是在一個(gè)位置從來沒有動(dòng)過,，可能只是放在家里偶爾用一下,，不會(huì)帶出去這種。對(duì)于這種號(hào)碼的話,，我們認(rèn)為它的風(fēng)險(xiǎn)也是相對(duì)比較大的,。

第四個(gè)是染灰模塊，圖技術(shù)主要就是用于這個(gè)模型,?；谇叭齻€(gè)模塊的結(jié)果，我們首先獲得了一批已經(jīng)確定的羊毛黨用戶,，那么我們可不可以發(fā)現(xiàn)他的一些共同特征——比如說可能有幾個(gè)羊毛黨（號(hào)碼）是屬于同一個(gè)用戶的,，那么我們是不是可以看看這個(gè)用戶下面其他手機(jī)號(hào)是不是也可能是羊毛黨？

另外,，如果發(fā)現(xiàn)有一堆手機(jī)號(hào)是之前在同一個(gè)設(shè)備上使用過,，我們可能也會(huì)認(rèn)為這個(gè)設(shè)備上對(duì)應(yīng)的其他手機(jī)號(hào)也可能會(huì)是一些羊毛黨。專業(yè)的羊毛黨會(huì)采用卡池這種設(shè)備專門去薅羊毛,，用圖技術(shù)就可以快速發(fā)現(xiàn)并識(shí)別,。

應(yīng)用2 ：關(guān)聯(lián)風(fēng)險(xiǎn)分

然后是關(guān)聯(lián)風(fēng)險(xiǎn)分,，通俗來說就是「近朱者赤近墨者黑」,。

在平時(shí)交際圈,，如果你的違約可能性比較低，那么周圍人可能違約性也會(huì)比較低,?；谶@樣一種想法，我們主要做法就是首先基于移動(dòng)所有用戶構(gòu)建一個(gè)關(guān)系網(wǎng)絡(luò),，然后采用一些社區(qū)發(fā)現(xiàn)類的算法去挖掘這個(gè)社區(qū)中個(gè)人的評(píng)分以及個(gè)人之間的關(guān)系，通過對(duì)這個(gè)社區(qū)打分,，去識(shí)別出這個(gè)社區(qū)是否是欺詐或低信用社區(qū),。

關(guān)聯(lián)風(fēng)險(xiǎn)分的主要應(yīng)用場(chǎng)景就是欺詐領(lǐng)域，比如信貸欺詐,、交易欺詐,、營(yíng)銷欺詐、支付欺詐以及賬戶欺詐等等多個(gè)方面,。

應(yīng)用3：圖神經(jīng)網(wǎng)絡(luò)（GNN）

最后是關(guān)于圖神經(jīng)網(wǎng)絡(luò)的一些應(yīng)用,，主要是用于金融風(fēng)控信用評(píng)分卡的場(chǎng)景。過去我們用做信用評(píng)分卡大部分都是先提取用戶特征,，再然后訓(xùn)練一個(gè)邏輯回歸模型或者是角色數(shù)字類的模型,。

那么現(xiàn)在，我們想通過圖神經(jīng)網(wǎng)絡(luò)做一些模型,，通過用戶之間通話數(shù)據(jù),，比如近三個(gè)月主動(dòng)通話、被動(dòng)通話以總通話次數(shù)是否達(dá)到要求,，去判斷要不要保留這樣一條邊,。

我們大概提取 100 多個(gè)主要的特征去錄模，這里的模型相對(duì)來說比較簡(jiǎn)單,，目前是嘗試了一個(gè)雙塔的模型,，左邊的是關(guān)于圖神經(jīng)網(wǎng)絡(luò)聚合的這樣一個(gè)模型，右邊用戶特征本身的一個(gè)全連接網(wǎng)絡(luò)做了這樣 MLP 的模型,。左邊的神經(jīng)網(wǎng)絡(luò)聚合,，是比較簡(jiǎn)單也是最常用的——GCN、GrapSAGE 和 GAT 這三個(gè)模型,。

另外我們現(xiàn)在采用的是一個(gè)同構(gòu)圖的網(wǎng)絡(luò)建模,，后面可能會(huì)考慮異構(gòu)圖，比如說考慮用 HAN 這樣的一些異構(gòu)圖的模型去建模,，把用戶的身份證和設(shè)備以及位置信息這些點(diǎn)都?xì)w納進(jìn)來,，然后一起進(jìn)行建模。

圖數(shù)據(jù)應(yīng)用的未來展望

1.數(shù)據(jù)血緣

中國(guó)移動(dòng)大數(shù)據(jù)中心會(huì)提供給大概 30 多家客戶的 50 多個(gè)項(xiàng)目進(jìn)行共同的建模,，建模工作里包含的數(shù)據(jù)維表會(huì)特別多,，因?yàn)槲覀儠?huì)給每個(gè)用戶都匹配數(shù)據(jù),，然后幫他們生成特征，最后會(huì)把結(jié)果表也保存在數(shù)據(jù)庫(kù)里面,，大概現(xiàn)在有 1000 多張數(shù)據(jù)表,，平時(shí)基本靠人工管理，后面看看能不能通過數(shù)據(jù)血緣的方式去做一個(gè)歸納,。

2.圖神經(jīng)網(wǎng)絡(luò)

中國(guó)移動(dòng)除了大數(shù)據(jù)中心,，還有人工智能中心，那里有很多的 GPU 資源進(jìn)行人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,，但是目前模型訓(xùn)練效率比較低下,，所以后面看看怎么用圖數(shù)據(jù)技術(shù)去解決這個(gè)問題。

• 相關(guān)推薦：

《美團(tuán)：圖數(shù)據(jù)庫(kù)平臺(tái)建設(shè)及業(yè)務(wù)實(shí)踐》

《如何用 NebulaGraph 圖技術(shù)搞定 7 個(gè)典型社交網(wǎng)絡(luò)應(yīng)用,？》

想要感受 悅數(shù)圖數(shù)據(jù)庫(kù) v3.4.0 的最新特性,？ 點(diǎn)擊 鏈接，立刻開啟您的圖數(shù)據(jù)庫(kù)之旅,！