对于大规模网络 ， 使用整个网络去推断节点之间的关系（比如缺失边、噪声边）会带来无法承受的计算量 。 另一方面 ， 使用整个网络进行训练 ， 还会导致模型很难外推到新加入的节点和边上 ， 从而影响应用到实际场景 。 许多学者采用了子图提取来解决这个问题 ， 即针对任意一对关注的节点 ， 仅提取它们周围子图来推断该节点对之间的关系 。
论文的另一个重要贡献就是提出了一种RWR（Random Walk with Restart）子图提取方法（如图1(b)） 。 相较于传统的子图提取方法（如图1(a)） ， RWR不再抽取固定的一跳或两跳邻居 ， 从而可以(1)抽取的子图规模不随节点邻居数爆炸；(2)既包含局部又包含全局的图结构 。
信也科技AI团队负责人王春平表示：“此算法最强大的优势在于不需事先知道噪声标签 ， 就能通过缺失边的预测来对噪声边进行半监督学习 ， 从而大大提升算法对噪声的鲁棒性 。 ” 论文中工作的有效性已在多个实验中得到了验证 。 相对于不去噪的模型 ， 对缺失边的预测F1可以提升大约10% ， 相对于分步识别噪声边和预测缺失边的模型 ， F1可以提升2%左右 。 在进行了去噪和缺失填补两方面的网络增强以后 ， 对下游节点分类问题也有很大帮助 ， F1大概提升4~5% 。 网络增强已经成为信也科技复杂网络算法挖掘的一个重要环节 ， 并已逐步投入实际业务应用 ， 大大提升了算法的鲁棒性 。
目前 ， 信也科技完备的自研技术已实现了对业务流程的全覆盖 ， 如人脸识别、多场景OCR、声纹识别等多模态核身、增信技术 ， 语音识别、意图识别、对话管理、语音生成等全流程智能对话机器人技术 ， 以及基于复杂网络的不良中介识别和团伙识别技术等 。 此外 ， 还形成了智能投放、精准营销、核身、反欺诈、风控决策流、Automl模型平台和智能机器人等一系列AI产品 。
科技领域累累硕果的背后 ， 是信也科技始终着眼于科技并致力于科研的信念 ， 亦是信也科技来自海内外顶级高校与知名科技企业的相关研究人员以及加州理工大学、加州大学洛杉矶分校、浙江大学等高校的多名担任科学顾问的教授的辛劳与汗水 。 此前 ， 信也科技已与浙江大学共建人工智能实验室 ， 并同中国人民大学建立了战略伙伴关系 ， 长期保持积极的合作 。 本次被IEEE TKDE收录的论文即为校企科研合作的阶段性成果之一 。
今后 ， 信也科技将继续保持对科技研发的关注与投入 ， 并进一步加深与高校的科研合作 ， 力求在相关领域进行新尝试与新突破 ， 努力实现“科技 ， 让金融更美好”的使命 。

• 18项优秀科研成果找“伯乐”
• 广州“人才+科技创新”亿元补贴获得者揭晓
• 中国最低调科技企业，连续10年全球第一，却被误认为是国外品牌
• 科技改变未来，未来快递员也会失业，只有驿站没有快递员
• 睿沃科技王琦：三年打造出行业独角兽，智慧酒店领域再添新样板
• 传统与科技的融合，哈苏907X 50C开箱
• 宁夏举办第35届青少年科技创新大赛机器人竞赛项目
• 河北2020科技成果直通车“开进”邯郸
• 出门问问荣获“吴文俊人工智能科技进步奖”
• 每日科技名词｜数据权利