欢迎加入全国风控微信群组：免费加入，详情可添加管理萌萌：risk0392回复微信群组

目录

一、定义

二、如何构建知识图谱

三、知识图谱之关键技术

四、知识图谱的应用架构

五、知识图谱之反欺诈

六、知识图谱在风控类应用展望

更多精彩扫码获取

知识图谱(Knowledge Graph)，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。

1、产品定义

反欺诈知识图谱产品是基于大规模图计算的面向个人和企业的关系挖掘系统，对用户行为数据进行采集、监控、处理和分析，最终构建多类型的实体关系网络，可以及时预警潜在风险，为金融行业用户提供风险异常检测和反欺诈行为分析，基于技术构建的用户关系网络。这样的技术包括，数据挖掘处理，图形学，关系推理，语义分析，图数据库。

2、产品功能

主要功能有，身份关联快捷核验，敏感信息核验，风险评估，风险变化探测，深度欺诈检测，退货欺诈检测，欺诈调查知道。可以对反欺诈情报知识图谱按以下维度进行搜索，节点及关键字，关联层级，图谱数据更新时间，节点主题，关系

3、产品特性

深度信息，直观展示，全维度案件的可视化反查传统的表格形式的反欺诈分析，关注直接关联关系的整体信息；反欺诈情报图谱，精准挖掘所有与目标节点有直接或者间接关系的关键信息，建立完整的案件画像。

可疑关联模式检测羊毛党组织稳定，关联紧密，重复使用信息的特点，可疑用来检测信息共享模式，例如，多人共用一套信息（手机号码，身份证）关联之后形成链条型关系网络，交易链和担保链识别，链路式识别，链路式复杂关系，传统的SQL无法提取。

4、举例说明

1）快速变化的关系结构

如果在短时间内，关系的结构发生很大的变化，则需要做异常检测。这一种较难但实用的反欺诈规则，难点在于如何把某个时间段的关系结构存储在时间图谱上。

2）反欺诈系统框架

整个流程分为特征分析，模型选取还有利用分数进行判断。首先，我们将选取的特征数据，运行所有反欺诈规则所得的返回值，还有用户基本信息和网上获取的行为记录，进行整合组成上百维的特征组。

3）然后，将之前整合的数据带入模型库得出分数。模型库包括常见的模型，例如线性回归、决策树、随机森林、支持向量机、神经网络和深度神经网络等。这个分数代表一个反欺诈的风险评估，用来支持决策。例如：在1-100的分数体系里，当分数介于80-100之间，则判断此申请人欺诈概率较大，可免去人工审核直接拒绝申请。随着系统的不断优化，分数的准确性提高，希望可以减少人工参与，达到整个流程的自动化。

更多精彩扫码获取

欢迎添加：

公众号：消费金融风控联盟，ID：xiaojinfengkong

公众号：天天学风控，ID：xuefengkong

Vivian：微信号：wmyd80

抖音号：xuefengkong

欢迎加入社群圈子：免费加入+免费发布信息，详情可添加管理萌萌：risk0392回复社群圈子

欢迎加入风控干货知识星球：详情可添加管理Vivian：wmyd80回复知识星球