01
图网络基础
图论核心概念 · 风控价值 · GCN与GAT数学原理对比
节点/边邻接矩阵团伙欺诈
02
环境搭建
PyG / DGL安装 · GPU配置 · 踩坑记录
PyTorchCUDADGL
03
数据准备
多模图构造 · 特征工程 · 邻接/稀疏矩阵
用户-设备节点特征稀疏矩阵
04
GCN模型构建
PyG两层GCN · 消息传递 · ReLU与Dropout
GCN消息传递Dropout
05
GAT模型构建
注意力机制 · 多头注意力 · GATConv详解
GAT多头注意力风控
06
GraphSAGE实战
归纳式学习 · 邻居采样 · PyG实现
GraphSAGE邻居采样归纳式
07
异构图神经网络
RGCN · 多关系边 · 用户-设备-IP三元组
RGCN异构图三元组
08
节点分类任务
黑/白样本 · 半监督 · 训练/验证/测试划分
节点分类半监督风控标注
09
边预测任务
异常连接预测 · 负采样 · AUC评估
边预测负采样AUC
10
图分类任务
子图欺诈检测 · 图池化 · 子图提取
图分类Global Pool子图
11
损失函数设计
交叉熵 · Focal Loss · 对比损失
Focal Loss对比学习不平衡
12
模型评估指标
准确率/召回率/F1 · AUC-ROC · KS · 业务权衡
KSAUC查全查准
13
过拟合与正则化
Dropout · Weight Decay · Early Stopping · Label Smoothing
正则化Early Stopping平滑
14
超参数调优
学习率/隐藏层/层数/注意力头 · 网格搜索与贝叶斯
超参数贝叶斯优化网格搜索
15
大规模图训练
Mini-batch · 邻居采样 · Cluster-GCN · 亿级节点
大规模Cluster-GCN邻居采样
16
图特征工程进阶
Node2Vec · DeepWalk · 特征交叉 · 时间衰减
Node2VecDeepWalk时间衰减
17
时序图网络
Temporal GCN · 动态图 · 时间戳编码 · 快照图
时序动态图实时交易
18
可解释性
GNNExplainer · 注意力可视化 · 监管要求
可解释性GNNExplainer可视化
19
模型部署
ONNX导出 · TensorRT · 在线推理 · 延迟优化
ONNXTensorRT部署
20
联邦图学习
跨机构隐私 · FedGNN · 纵向联邦学习
联邦学习FedGNN隐私保护
21
异常检测
图异常检测 · Deep SVDD · One-Class GNN
异常检测Deep SVDD反欺诈
22
图数据增强
节点Dropout · 边扰动 · 子图采样 · Mixup
数据增强Mixup子图采样
23
多任务学习
欺诈/逾期/套现多目标 · 共享底层与任务特定层
多任务共享层风控
24
图与序列融合
GNN+RNN/Transformer · 行为序列与关系网络
序列融合Transformer行为序列
25
图与树模型融合
LightGBM+GNN · Stacking · 特征拼接与集成
LightGBMStacking模型集成
26
图与知识图谱
知识图谱推理 · 关系路径 · TransE+GNN
知识图谱TransE关系路径
27
图与强化学习
RL风控决策 · GNN策略网络 · 反事实推理
强化学习策略网络反事实
28
图与因果推断
因果图 · 反事实推理 · Do-calculus+GNN
因果推断Do-calculus反事实
29
图与生成模型
GraphVAE · 对抗生成 · 图数据增强
GraphVAEGAN生成异常
30
综合实战项目
数据清洗到部署 · 系统架构 · A/B测试
全流程架构设计A/B测试