4.4 真实卷宗选编：从社交网络到药物研发

4.4 真实卷宗选编：从社交网络到药物研发

本节摘要：本节巡览五类高频应用现场——社交网络、推荐系统、生物化学、知识图谱、交通预测——每类现场按"图怎么建、模型怎么选、指标怎么看、坑在哪"四栏归档。选编的目的是把前几章的技术映射回业务语言，读完应能对新业务做"先查表、再动手"的初诊。

卷宗室的五排档案柜

三级结案能力练成之后，侦探社正式对外开放接案。卷宗室的档案柜按行业分五排，每排的卷宗各有各的建图方式与办案习惯——同样的消息传递骨架，在不同现场要换不同的"行话"。本节是第四章的收官，也是全册从理论走向业务的中转站：我们把每类现场的建模要点整理成统一格式的档案卡，配一张应用矩阵总览图。读法建议是"先看图建方式"：任何新业务进门，先想清楚"节点是什么、边是什么、任务在哪一级"，答案出来，选型表的行也就锁定了。

图：五类应用现场的能力矩阵

社交网络：结构与行为互证

社交现场的经典建图方式是以用户为节点、以关注或互动为边，风向标是"结构信号与行为信号互证"：欺诈团伙的行为特征可以伪造，但互注关系网很难长期伪装。欺诈检测是节点级任务，难点在不平衡与对抗——黑产会持续变换设备与内容特征，结构模式相对稳定，这正是图方法的护城河。好友推荐是边级任务，"可能认识的人"就是链接预测的界面化。社区发现走聚类路线，用于内容分发与营销分层。坑集中在两点：边的语义混杂（关注、点赞、转发混作一谈会稀释信号，应分边类型或分图处理）与静态化（图是活的，按时间切片重估才能跟上团伙演化）。

推荐系统：二部图上的链接预测

推荐现场的建图是用户与商品构成的二部图，互动记录连边。冷启动是老难题——新用户没有边，图方法反而能借"注册渠道、设备指纹"等属性边把新节点挂进图里，再用归纳式模型当场出表示，这是 GraphSAGE 系在工业界的主战场。规模是另半场仗：亿级节点的全图计算不可行，重要度采样与负采样工程（如热门商品降采样）决定成败。业务指标与离线指标经常背离——离线曲线下面积漂亮但点击率不动，通常是分布漂移（训练数据是历史的，线上是当下的）与反馈回路（推荐结果反过来塑造了新互动）作祟，需按时间切分训练并做在线对照。

# 社交欺诈检测的"结构特征＋GNN"混合方案骨架
import torch
from torch_geometric.nn import SAGEConv

class FraudNet(torch.nn.Module):
    """节点属性走多层感知机，结构走图卷积，双通道融合"""
    def __init__(self, in_dim, hid=32):
        super().__init__()
        self.attr = torch.nn.Sequential(
            torch.nn.Linear(in_dim, hid), torch.nn.ReLU())
        self.s1 = SAGEConv(in_dim, hid)
        self.fuse = torch.nn.Linear(hid * 2, 2)      # 融合层
    def forward(self, x, ei):
        a = self.attr(x)                # 行为画像通道
        s = self.s1(x, ei).relu()       # 结构证据通道
        return self.fuse(torch.cat([a, s], dim=-1))

# 训练要点（承接 4.1 节）：加权交叉熵处置不平衡，
# 按时间切图防止"未来信息"泄漏进训练
​

生物化学：小图大军

分子现场的每个样本是独立小图，天然适合图级任务与批处理训练。原子特征与键特征是决定性输入——元素类型、价态、电荷、键型、共轭性——消息传递的边特征通道（MPNN 框架）在此不可省略。药物研发的典型链条：先对海量分子库做图级性质预测初筛（溶解度、毒性），再对候选做活性回归，最后进入图生成做结构优化（第六章）。蛋白质结构进入图视角后，残基接触图也成了建模对象，接触图预测与功能预测都可复用同一骨架。坑在数据：公开分子数据集的"活性悬崖"（结构微变、活性剧变）对模型分辨力要求极高，正好踩在 GIN 讨论的表达能力问题上。

知识图谱：多类型边的补全

知识图谱现场的三元组（头实体、关系、尾实体）天然是有向多类型边，补全缺失关系是边级任务。主力模型关系图卷积：按关系类型分路聚合，再对各路结果求和——多类型边的处理思路与异构图一脉相承（第六章展开）。打分函数在三元组上定义，几何类打分（把关系看作头实体到尾实体的平移或旋转）与神经网络打分（双线性、多层感知机）两条路线并行。坑在开放世界假设：图谱里"没记录的关系"不等于"不成立"，负采样天然带噪，评测须用滤波协议（把已知正确三元组从候选里剔除后再排名）。

交通预测：图与时序的联姻

交通现场把路口建成节点、路段建成带权边，预测各路口未来时段的流量是节点级回归。难点在时空耦合——空间上相邻路口相互影响，时间上流量有早晚高峰的周期，纯图模型或纯时序模型都只拿到一半证据。主流做法是图卷积层与时序层交替堆叠：图卷积聚合空间证据，时序层（门控循环或时序卷积）沿时间轴传递，形成时空块；再深的变体引入自适应邻接矩阵，让"哪些路口互相影响"也成为可学习量。坑在路的语义：直线距离近不等于连通强（隔江相望的路口并不互相影响），权重应来自通行时间或流量相关性而非地理距离。

# 时空块的极简骨架：图卷积聚合空间 + 门控沿时间
import torch
from torch_geometric.nn import GraphConv

class STBlock(torch.nn.Module):
    def __init__(self, dim):
        super().__init__()
        self.gcn = GraphConv(dim, dim)
        self.gru = torch.nn.GRU(dim, dim, batch_first=True)
    def forward(self, x_seq, edge_index):
        # x_seq: [批, 时间步, 节点, 维度]
        B, T, N, D = x_seq.shape
        out = []
        for t in range(T):
            g = self.gcn(x_seq[:, t], edge_index)     # 空间证据：邻路口
            out.append(g)
        z = torch.stack(out, dim=1).reshape(B * N, T, D)
        z, _ = self.gru(z)                            # 时间证据：流量周期
        return z.reshape(B, T, N, D)

# 完整系统还要加：邻接矩阵的构建（相关性或通行时间）、
# 节点静态特征（车道数）、多步预测头与节假日特征
​

选编小结

五类现场的共性动作可以压缩成初诊四问：节点与边的业务定义是什么？任务落在哪一级（节点、边、图）？图的规模与流动性如何（决定训练阵型）？边的语义是否需要分类型处理（决定模型路由）？四问答完，第三章的选型表与第五章的工程方案就能直接对接。下一章进入案件复盘：训练阵型、损失配置、过平滑诊断与工程化落地，把"演示级"的办案能力升级为"系统级"。