金融网络数据清洗与图构建实战
📚 共计 30 章节
01
金融网络概述
什么是金融网络、图论基础、应用场景（反欺诈、风控、供应链金融）
图论
金融
02
数据源探索
交易流水、企业工商、社交关系；采集策略与合规性
数据源
合规
03
数据清洗基础
缺失值、异常值、重复去重、数据类型统一
清洗
预处理
04
实体对齐与消歧
同名不同人、同人不同名；规则与模型方法
实体对齐
消歧
05
关系抽取
从新闻、公告中抽取关系；正则与NLP方法
NLP
关系
06
图数据模型设计
属性图、标签属性图、边与节点设计原则
建模
设计
07
图数据库选型
Neo4j / JanusGraph / NebulaGraph 对比与考量
数据库
选型
08
Neo4j入门
Cypher基础、节点与关系创建、基本查询
Cypher
Neo4j
09
Python连接Neo4j
py2neo / neo4j驱动、批量数据导入
Python
Neo4j
10
构建交易网络
银行流水→转账网络，账户与交易属性设计
交易
网络
11
构建担保网络
担保合同→担保关系，环状担保与互保识别
担保
风控
12
构建股权网络
工商信息→股权穿透，实际控制人挖掘
股权
穿透
13
构建社交网络
通讯录、邮件、IM记录→社交关系网络
社交
关系
14
多源数据融合
交易+担保+股权+社交→统一知识图谱
融合
知识图谱
15
图数据质量评估
完整性、一致性、准确性、时效性指标
质量
评估
16
图数据清洗进阶
噪声边过滤、异常子图、社区发现辅助清洗
清洗
社区发现
17
图特征工程
中心性、PageRank、社区归属、结构洞
特征
图算法
18
图算法入门
最短路径、连通分量、Louvain / Label Propagation
算法
社区
19
图可视化基础
Gephi / Neo4j Browser / Cytoscape 可视化
可视化
工具
20
Python图分析库
NetworkX / igraph / CuGraph 性能对比
Python
库
21
大规模图数据处理
Spark GraphX、分布式图计算框架简介
分布式
Spark
22
图神经网络入门
GCN / GAT / GraphSAGE 原理与PyG使用
GNN
PyG
23
反欺诈图模型
二度关联、资金闭环的欺诈团伙识别
反欺诈
团伙
24
风控图模型
基于图特征的信用评分、风险传导分析
风控
信用
25
供应链金融图分析
核心企业上下游、链上风险传导路径
供应链
金融
26
图数据血缘与溯源
数据来源、清洗过程、转换记录
血缘
溯源
27
图数据版本管理
变更历史、回滚与对比
版本
管理
28
图数据API设计
RESTful API 对外提供图查询服务
API
REST
29
图数据安全与隐私
脱敏、差分隐私、访问控制
安全
隐私
30
项目实战：反欺诈图系统
从零构建：数据清洗→图构建→分析→可视化
实战
反欺诈