使用 python 在网络中进行一些图形分析和风险传播的最佳方法是什么，其中多个账户通过关系连接，网络中的少数账户被标记为坏账户，其余账户未知？
我尝试使用networkx，但它似乎永远运行。我有大约 8MM 边缘和 40K 节点
大规模网络中的欺诈风险传播
数据挖掘
Python
图表
网络x
2022-03-02 20:36:58
2个回答
您可以尝试应用图卷积网络来进行一些半监督学习。参见 Kipf 和 Welling 的论文“Semi-Supervised Classification with Graph Convolutional Networks”。不过，这可能取决于您的数据集有多不平衡。如果数据集太大，您可以训练其中的一个样本，然后在该子集上训练 GCN。我会尝试找到一些示例数据点并从中创建一个训练集。
正如 Victor 建议的那样，您可能需要图卷积网络。40K 节点对于内存来说太多了，因此您可以考虑类似 GraphSAGE 的方法，它建议围绕目标点对子图进行采样，然后为它们运行某种 GCN 或 GAT（图注意力网络）。您可以为此使用 DGL 或 pytorch 几何等库。
其他值得注意的方法是 Deep Walk，它通过邻域生成一些嵌入。另外，它保留了嵌入中的局部性。减号，根据我的经验，它的比例不太好，但你可以试一试。