graphxr and nebulagraph demo 0: Graph tech based Fraud Detection

graphxr_and_nebulagraph_0.md

• Fraud Detection https://siwei.io/fraud-detection-with-nebulagraph/
  • 思路是把我这个文章的方式藉由 GraphXR 的能力呈现出来，未来甚至可以用 iframe 来 embed 结果，像这个文章这种 https://distill.pub/2021/gnn-intro/
  • Graph Pattern based 方法，章节 1.2.1
    • 数据集 https://github.com/wey-gu/fraud-detection-datagen
    • 介绍风控专家提供的图模式，展示可视化
      • 

      • -- 针对一笔交易申请关联查询
        MATCH (n) WHERE id(n) == "200000010265"
        OPTIONAL MATCH p_shared_d=(n)-[:used_device]->(d)<-[:used_device]-(:applicant)-[:with_phone_num]->(pn:phone_num)<-[e:with_phone_num]-(:applicant)
        RETURN p_shared_d

    • GraphXR: 可以用更直观、优雅方式渲染这个模式
    • GraphXR: 可以抽取这个关系为直连的边：(n)-[:used_device]->(d)<-[:used_device]-(:applicant)-[:with_phone_num]->(pn:phone_num)<-[e:with_phone_num]-(:applicant)
    • GraphXR: 可以在抽取直连边之后做 View 内的 Louvain，进行团伙识别
    • NebulaGraph Algorithm，落地到生产 Pipeline 上，全图做等价的计算
  • 利用 Label Spread 进行标注扩充 章节 1.3
    • 数据集 https://github.com/wey-gu/nebulagraph-yelp-frauddetection
    • 介绍这个方法的意义和背景，展示可视化
      • 
    • GraphXR：用更优雅的方式展示 Spread 之前、之后的标签染色情况
  • 利用带有图 feature 的 ML方法做分类章节 1.4
    • 数据集 https://github.com/wey-gu/fraud-detection-datagen
    • 介绍方法的背景和意义(这个部分我暂时想不到适合可视化的)
  • 利用 GNN 做 的方法，章节 1.5
    • 数据集 https://github.com/wey-gu/nebulagraph-yelp-frauddetection
    • 介绍方法的背景和意义，展示建模和推理过程
      • 
      • 
    • GraphXR： GNN 的模型训练部分可以想办法演示邻居间信息传递的过程
    • GraphXR： 落地推理过程中涉及子图查询，这部分可以想办法展示出来
    • Demo 推理系统服务的最终样子 https://github.com/wey-gu/NebulaGraph-Fraud-Detection-GNN (前后端完整的实现、demo 有一个视频，可以 demo）