近日,信也科技聯(lián)合浙江大學(xué)正式公開發(fā)布大規(guī)模動(dòng)態(tài)圖數(shù)據(jù)集DGraph,旨在服務(wù)圖神經(jīng)網(wǎng)絡(luò)、圖挖掘、社交網(wǎng)絡(luò)、異常檢測等方向的研究人員,為之提供真實(shí)場景的大規(guī)模應(yīng)用數(shù)據(jù),幫助推動(dòng)整個(gè)圖領(lǐng)域的發(fā)展。

1.場景真實(shí)

值得注意的是,DGraph 的源數(shù)據(jù)來源于信也科技的真實(shí)金融業(yè)務(wù)場景,并由信也科技對外開放共享給對圖領(lǐng)域感興趣的研究者。其構(gòu)建邏輯貼近工業(yè)落地,為數(shù)據(jù)集的使用者提供了探索如何將圖模型擴(kuò)展到金融領(lǐng)域落地應(yīng)用的機(jī)會(huì)。DGraph一方面可以作為驗(yàn)證相關(guān)圖模型性能的標(biāo)準(zhǔn)數(shù)據(jù),用于解決不平衡節(jié)點(diǎn)分類、鏈接預(yù)測、圖分類等各種典型任務(wù),另一方面可用于開展用戶畫像、網(wǎng)絡(luò)分析等研究工作。

2.結(jié)構(gòu)動(dòng)態(tài)

信也科技相關(guān)負(fù)責(zé)人透露:“像此次DGraph公開的如此大規(guī)模、真實(shí)的動(dòng)態(tài)圖數(shù)據(jù),據(jù)我們所知,在金融領(lǐng)域還是第一次。”DGraph作為一個(gè)有向無權(quán)的動(dòng)態(tài)圖,包含超過370萬個(gè)節(jié)點(diǎn)和430萬條動(dòng)態(tài)邊,支持大規(guī)模圖模型的研究與評估。其用戶關(guān)系采樣自橫跨27個(gè)月的業(yè)務(wù)場景,且網(wǎng)絡(luò)結(jié)構(gòu)會(huì)隨著時(shí)間發(fā)生演化,為當(dāng)前的動(dòng)態(tài)圖模型與挖掘研究提供了結(jié)構(gòu)動(dòng)態(tài)的數(shù)據(jù)支持。

3.規(guī)模龐大

此外,DGraph 中包含超過200萬個(gè)“背景節(jié)點(diǎn)”,即并非分類或分析對象但實(shí)際存在、對業(yè)務(wù)邏輯有間接影響的節(jié)點(diǎn)。這些節(jié)點(diǎn)對于維持網(wǎng)絡(luò)的連通性有著重要作用,在工業(yè)界廣泛存在,可支持研究者深入探索背景節(jié)點(diǎn)的性質(zhì)。合理處理背景節(jié)點(diǎn)可以在大規(guī)模數(shù)據(jù)場景下有效提升數(shù)據(jù)的存儲(chǔ)空間和模型的運(yùn)行效率。

如下圖所示,DGraph中的節(jié)點(diǎn)表示信也科技服務(wù)的用戶,有向邊表示用戶關(guān)系,每個(gè)節(jié)點(diǎn)包含脫敏后的屬性特征,以及表示是否為金融詐騙用戶的標(biāo)簽。

DGraph動(dòng)態(tài)圖數(shù)據(jù)

研究團(tuán)隊(duì)此前發(fā)布的論文《DGraph: A Large-Scale Financial Dataset for Graph Anomaly Detection》從圖異常檢測的角度出發(fā),對DGraph進(jìn)行了深入的數(shù)據(jù)分析與實(shí)驗(yàn),結(jié)果闡明DGraph具有巨大潛力推動(dòng)圖異常檢測的發(fā)展,同時(shí)DGraph所包含的多種廣泛存在的工業(yè)特點(diǎn)值得更進(jìn)一步探索。

信也科技相關(guān)負(fù)責(zé)人表示:“目前DGraph網(wǎng)站已吸引了一批來自清華大學(xué)、中科大、上海交大、同濟(jì)大學(xué)等國內(nèi)外知名高校的研究者。”其中,清華大學(xué)計(jì)算機(jī)系知識(shí)工程研究室基于他們最新的圖學(xué)習(xí)框架CogDL,為DGraph數(shù)據(jù)集提供了多種圖算法的Baseline。

當(dāng)前,信也科技圍繞著DGraph舉辦的第七屆信也科技杯圖算法大賽正面向全社會(huì)開放報(bào)名,國內(nèi)外高等院校、科研院所、互聯(lián)網(wǎng)企業(yè)等均可報(bào)名參賽,角逐共計(jì)31萬人民幣獎(jiǎng)金。期待結(jié)合賽事契機(jī),DGraph公開數(shù)據(jù)網(wǎng)站的發(fā)布能夠幫助激發(fā)更多相關(guān)領(lǐng)域研究,并融入拓展更多其他領(lǐng)域的數(shù)據(jù)和實(shí)際應(yīng)用,從而支持對于圖領(lǐng)域特性和跨領(lǐng)域算法的研究,攜手共建開放的數(shù)字生態(tài)。

關(guān)鍵詞：