导语
传统的风控模型往往仅采用用户个人维度的多种变量，几乎不评估关联关系对风险的影响。使得逾期用户比较容易通过信息的伪装、更替和仿冒来绕过信用审核，成功借款，在早期极难被发觉。同时，还容易潜伏着一个隐患——团伙作案，其特点在于有组织规划地施行欺诈，几乎同一时间段爆发，破坏力大，所涉范围广泛，且往往数额巨大。
随着大数据时代的到来，基于关联关系的知识图谱慢慢走入了大家的视野，它突破了现有关系型数据库的限制，释放出巨大的数据挖掘潜力。本文就将主要介绍一下，我们如何利用复杂异构网络，对庞大的关联图谱进行挖掘和解析，在金融场景中进行实际的拓展与应用。
在现实生活中，人与人之间往往具有着复杂且多样的关联关系。而宏观环境下，更多的时候我们是通过他们在客观世界中的某种交互，发现两人的关联关系的，比如，两人微博互相关注、共用同一台电子设备等。如果将所有的人抽象成一个端点，而连接的媒介成为节点（如电话号码、imei等），那么端点与端点、端点与节点、节点与节点之间的关系便抽象为一条边，而所有的端点、节点和边则构成了一整幅关联图谱，也就是我们常说的社交网络。
这种图谱是相互连接用户及其关系的一种结构化表达，是最接近真实世界的数据组织结构。通过关联图谱，我们可以将所有的数据连接起来，即时地传达信息，易于揭示复杂的关系模式。然而它却难以直接分析，进行应用。通常，我们关注的是端点的属性（比如用户是否逾期），但一个端点与多个节点关联（一个人可以有多个手机号，使用多个imei登录等），每一种关联都带来不同程度的影响，而一个节点又与多个端点相连（一个imei同时被多人登录），从而富含多元而复杂的信息。
如上图所示，这是一个指数级膨胀并多元传播的信息链。在实际应用中，面对亿万级别的数据、几十种关联关系和非结构化的数据形式，一般就意味着分析非常依赖人工，工程计算量庞大且信息利用率低下。
基于上述的问题，我们采用了复杂异构网络，用高度定制化的结构将不同来源的非结构化数据进行融合，与用户的个人维度信息相互补充，以用户逾期为target，完成了端到端的训练过程。其具体结构如下图：
在第一阶段网络中，我们收集节点维度的可用信息和专家变量，通过多层神经网络（以下我们称为子网络A），将每个节点上的信息压缩为一个或少量几个值。对于同一个用户，不同种类的节点信息通过不同的子网络A，而相同种类的多个节点通过相同的子网络A。这样，我们就实现了动态可缩放输入，可以输入的信息模式多样。
在第二阶段中，我们将每种关系子网络得出的多个值，分别结合其与该用户的亲密程度，通过多层神经网络（以下我们称为子网络B），聚合为该种关系对用户的逾期影响。
最后，我们将不同关联关系所得进行并联，通过第三阶段的多层神经网络（以下我们称为子网络C），得到该用户的逾期概率。
整个网络可完全自定义，适应多种场景，端到端的训练模式最大程度上保留了信息的完整性，避免了过多人为主观的影响。
现有的网络结构虽然极大的提高了信息的利用率，实现了自动化训练。但在实际应用过程当中，面对百万级用户和亿万级的关系数据，其庞大而复杂的特点，使我们不得不面对内存和计算多重压力。如何在线上快速完成对多个用户的打分，成了我们下一步要考虑的主要问题。
由于在应用场景中，我们一般已经保有了庞大的关联图谱，需求是对新入用户进行预测。因此，异构网络的结构特性使得我们在完成训练之后，可以将第一阶段网络拆分出来，进行线下的计算：
在线下，我们可以建立并维护一个节点库，将每个节点所连接到的信息通过子网络A进行压缩和打分。而在线上，我们仅将对于节点的所打分数传递给用户。对于我们要预测的新用户，只需要进行关联关系的检索和匹配，将匹配到的节点所得分数直接代入计算，通过子网络B和C，就可以得到该用户的逾期预测分数。这样极大地俭省了计算和线上内存，实现了线上多个用户并发，在更好的查找逾期用户的同时，无须担心延误线上申请流程，影响用户体验。
感谢在每一环节给予过帮助和支持的小伙伴，谢谢大家。
木子水心