如今，越來越多的企業(yè)正利用圖分析來增強機器學習，今天的隨身聽我們就一起來聊聊圖和機器學習。如果您正從事機器學習相關(guān)的工作，但對圖分析卻不太了解，那么您可以點擊文末的“閱讀原文”，下載完整的《原生并行圖》白皮書，來增強您對圖的了解，從而更好地利用圖來增強機器學習。下面就一起來收聽今天的TigerGraph 隨身聽吧。

我們就以欺詐偵查為例，從許多方面來說，欺詐偵查如同大海撈針。您必須整理并理解海量的數(shù)據(jù)，才能找到那根“針”，在本例中是指欺詐者。事實上，越來越多的組織利用機器學習及圖技術(shù)來防止各種類型的欺詐，包括電話詐騙、信用卡退單、廣告、洗錢等。

訓練數(shù)據(jù)的質(zhì)量決定了機器學習算法的上限

在進一步探討機器學習與圖技術(shù)這一強大組合的價值之前，我們先看一下當前基于機器學習的欺詐者識別是如何錯失目標的。

為了偵查某一具體的情況，如從事詐騙的電話或涉嫌洗錢的付款交易，機器學習系統(tǒng)需要足夠數(shù)量的欺詐電話或可能與洗錢相關(guān)的支付交易。下面我們以電話欺詐為例深入分析。

除可能屬于欺詐的電話數(shù)量外，機器學習算法還需要與電話欺詐行為高度相關(guān)的特征或?qū)傩浴?/p>

由于欺詐(與洗錢非常相似)在交易總量中所占的比重不到 0.01% 或萬分之一，因此，存在確認欺詐活動的訓練數(shù)據(jù)體量非常小。相應地，數(shù)量如此之少的訓練數(shù)據(jù)將導致機器學習算法的準確度不佳。

選擇與欺詐相關(guān)的一些特征或?qū)傩允趾唵巍＞碗娫捚墼p來說，這些特征或?qū)傩园承╇娫捄艚衅渌W(wǎng)內(nèi)網(wǎng)外電話的歷史記錄、預付費 SIM 卡的卡齡、單向呼叫(即被呼叫方未回電)所占的百分比，以及被拒呼叫所占的百分比。同樣，為了查找涉嫌洗錢的付款交易，需要為機器學習系統(tǒng)提供諸如付款交易的規(guī)模和頻率等特征。

但是，由于依賴僅側(cè)重于各個點的特征，導致誤報率居高不下。例如，頻繁進行單向呼叫的電話可能屬于銷售代表所有，他們需要致電潛在客戶尋找銷售線索或銷售商品和服務。這種呼叫也可能涉嫌騷擾，是一方對另一方的惡作劇。大量的誤報會造成浪費精力去調(diào)查非欺詐電話，最終降低對欺詐偵查機器學習解決方案的信心。

算法好不如數(shù)據(jù)多

在機器學習領(lǐng)域有一個很流行的說法：“算法好不如數(shù)據(jù)多”。很多機器學習就是因為缺乏充足的訓練數(shù)據(jù)而失敗的。簡單來說，樣本大小直接影響著預測的質(zhì)量。與海量的交易相比(訂單、付款、電話呼叫和計算機訪問日志)，諸如欺詐、洗錢或網(wǎng)絡安全違規(guī)等異常檢測事件的確認量很低。

很多大型客戶使用 TigerGraph 來計算機器學習領(lǐng)域所謂的基于圖的屬性或特征。就中國移動來說，TigerGraph 為其 6 億個號碼分別生成 118 項新特征。這將創(chuàng)造超過 700 億項新特征，用于將存在疑似欺詐活動的“壞號碼”與其余屬于普通用戶的“好號碼”區(qū)分開來。這將會有更多訓練數(shù)據(jù)，供機器學習解決方案提高欺詐偵查的準確性。

為電話欺詐打造更好的“磁石”

很多現(xiàn)實生活中的示例不斷證明著圖技術(shù)和機器學習在打擊欺詐方面的價值。目前，知名大型移動運營商正使用具備實時深度關(guān)聯(lián)分析的新一代圖數(shù)據(jù)庫，解決現(xiàn)有機器學習算法訓練方法的缺陷。該解決方案分析了 6 億部手機的超過 150 億通呼叫，最終為每個手機生成了 118 項特征。這些特征基于對通話記錄的深度分析，范圍不限于直接被呼叫方。

那么圖數(shù)據(jù)庫是如何識別“好”號碼或“壞”號碼呢？圖數(shù)據(jù)庫解決方案又是如何識別疑似欺詐的類型(例如，垃圾郵件廣告、詐騙銷售等)，并且在被呼叫人的手機上顯示警告消息？而且這一切全部都在手機接通之前完成。

其實，簡單來說，文中圖1所示，擁有好號碼的用戶致電其他用戶，大多數(shù)人都會回復他們的電話。這有助于指示用戶之間的熟悉度或信任關(guān)系。好號碼還會定期(比如，每天或每月)撥打一組其他號碼，這一號碼組在一段時間內(nèi)非常穩(wěn)定(“穩(wěn)定組”)。

表示好號碼行為的另一個特征是，當呼叫已經(jīng)入網(wǎng)數(shù)月或數(shù)年的號碼時得到回電。我們還看到，在好號碼、長期聯(lián)系號碼及網(wǎng)內(nèi)與二者頻繁聯(lián)系的其他號碼之間有著大量呼叫。這表明我們的好號碼具有很多組內(nèi)關(guān)聯(lián)。

最后，“好號碼”通常會參與三步式朋友關(guān)聯(lián)，意思是我們的好號碼會呼叫另一號碼，即號碼 2，后者將呼叫號碼 3。好號碼還會通過直接呼叫與號碼 3 聯(lián)系。這表示一種三步式朋友關(guān)聯(lián)，形成信任和相互關(guān)聯(lián)性圓環(huán)。

通過分析號碼之間的這類呼叫模式，我們的圖解決方案可以輕松識別壞號碼，即可能涉嫌詐騙的號碼。這些號碼會短暫呼叫多個好號碼，但不會收到回電。此外，它們也沒有定期呼叫的穩(wěn)定號碼組(即“空穩(wěn)定組”)。當壞號碼呼叫長期網(wǎng)內(nèi)用戶時，對方不會回電。壞號碼的很多呼叫還會被拒絕，而且缺乏三步式朋友關(guān)系。

圖數(shù)據(jù)庫平臺利用超過 100 項圖特征(如穩(wěn)定組)，它們與我們使用案例中的 6 億移動號碼各自的好壞號碼行為高度相關(guān)。相應地，它可以生成 700 億項新的訓練數(shù)據(jù)特征，供機器學習算法使用。最終提高了欺詐偵查機器學習的準確率，同時減少誤報(即非欺詐號碼被標記為潛在欺詐者號碼)和漏報(即未標記出參與欺詐的號碼)。

為了了解基于圖的特征如何提高機器學習的準確率，我們來看一個示例（下圖2），其中使用了以下四位移動用戶的側(cè)寫：Tim、Sarah、Fred 和 John。

按照傳統(tǒng)的通話記錄特征，如 SIM 卡齡、單向呼叫的百分比以及被拒絕的呼叫總量百分比)，四人中的三人(Tim、Fred 和 John)將被標記為疑似或潛在欺詐者，因為從這些特征來看，他們非常相似。經(jīng)過分析基于圖的特征，以及號碼和用戶之間的深度關(guān)聯(lián)或多步關(guān)系，最終幫助機器學習將 Tim 歸類為愛惡作劇者、John 為銷售人員，而 Fred 則被標記為疑似欺詐者。我們來思考一下這個過程。

就 Tim 來說，他有一個“穩(wěn)定組”，這意味著他不太可能是銷售人員，因為銷售人員每周都會撥打不同的電話號碼。Tim 沒有很多組內(nèi)關(guān)聯(lián)，這意味著他可能經(jīng)常給陌生人打電話。他也沒有任何三步式朋友關(guān)聯(lián)，用于確認他所呼叫的陌生人不存在關(guān)聯(lián)。根據(jù)這些特征判斷，Tim 很可能是愛惡作劇者。

我們來看一下 John 的情況，他沒有穩(wěn)定組，這意味著他每天都通過電話尋找新的潛在銷售線索。他會給具有很多組內(nèi)關(guān)聯(lián)的人打電話。當 John 介紹產(chǎn)品或服務時，如果接聽方對它們感興趣或認為與自己相關(guān)，則其中一些人很可能會將 John 介紹給其他聯(lián)系人。John 還通過三步式朋友關(guān)系與他人產(chǎn)生關(guān)聯(lián)，這表明他作為優(yōu)秀的銷售人員將整個環(huán)鏈閉合，通過在同一組內(nèi)第一次聯(lián)系的人的朋友或同事當中遴選，找到最終的買家來購買他的產(chǎn)品或服務。依據(jù)這些特征的組合，最終將 John 歸類為銷售人員。

就 Fred 來說，他既沒有穩(wěn)定組，也不與具有很多組內(nèi)關(guān)聯(lián)的群體交流。此外，他與所呼叫的人之間也沒有三步式朋友關(guān)系。這使得他非常容易成為電話詐騙或欺詐的調(diào)查對象。

回到我們最初海底撈針的比喻，在本例中，我們可以利用圖分析改善機器學習，進而提高準確率，最終找到那根“針”，即潛在的欺詐者 Fred。為此，需要使用圖數(shù)據(jù)庫框架對數(shù)據(jù)進行建模，以便能夠識別和考慮更多特征，用于進一步分析我們的海量數(shù)據(jù)。相應地，計算機將利用越來越準確的數(shù)據(jù)進行訓練，使自己不斷變得聰明，更加成功地識別潛在的詐騙分子和欺詐者。

如果您正從事機器學習相關(guān)的工作，希望利用圖分析來增強機器學習，別忘了點擊文末的“閱讀原文”，下載完整的《原生并行圖》白皮書，來增強您對圖的了解，從而更好地將圖應用到您的工作中。

另外，您也可以下載使用TigerGraph 機器學習工作臺（ML Workbench），這是一個基于Jupyter的Python開發(fā)框架，可以使數(shù)據(jù)科學家，人工智能和機器學習的從業(yè)者更容易、也更熟悉地使用圖分析，而無需學習很多新的數(shù)據(jù)處理方式。比如數(shù)據(jù)科學家可以使用TigerGraph 機器學習工作臺（ML Workbench），更快速地構(gòu)建圖神經(jīng)網(wǎng)絡 (GNN) 模型，輕松探索圖神經(jīng)網(wǎng)絡（GNN）。它提供了 Python 級別強大而高效的數(shù)據(jù)管道，將數(shù)據(jù)從 TigerGraph 流式傳輸?shù)接脩舻臋C器學習系統(tǒng)，執(zhí)行常見的數(shù)據(jù)處理任務，例如對圖數(shù)據(jù)集的訓練、驗證和測試，以及各種子圖采樣方法。詳細信息，可以點擊文中鏈接查看往期的TigerGraph 隨身聽（Vol.23 TigerGraph機器學習工作臺）。

以上就是我們今天的隨身聽內(nèi)容，如果您對于我們討論的應用場景，有任何問題，或者希望和我們進行更有針對性的深度探討，歡迎通過文中的聯(lián)系方式和我們聯(lián)系。

審核編輯 ：李倩