CreditPrint：基于地理足迹深度学习的信用调查
机器学习
2019-10-22 v1 计算机与社会
摘要
信用调查对金融服务至关重要。然而，传统方法常受限于所采用的数据难以提供充分、及时且可靠的信息。随着智能移动设备的普及，人们的地理足迹如今可被自动且持续地收集，这为信用调查提供了前所未有的机遇。受位置在某种程度上与人们信用水平相关的观察启发，本研究旨在利用用户地理足迹增强信用调查。为此，设计了一个两阶段信用调查框架，即 CreditPrint。第一阶段，CreditPrint 探究区域的信用特征，并通过图卷积网络兼顾各区域个体特征与跨区域关系，学习每个区域的信用感知嵌入。第二阶段，提出一种基于层次注意力的信用评估网络，以聚合来自用户覆盖多样区域的多个轨迹的信用指示。在真实用户移动数据集上的结果表明，与基线方法相比，CreditPrint 可将信用调查准确率提升至多 10%。
引用
@article{arxiv.1910.08734,
title = {CreditPrint: Credit Investigation via Geographic Footprints by Deep Learning},
author = {Xiao Han and Ruiqing Ding and Leye Wang and Hailiang Huang},
journal= {arXiv preprint arXiv:1910.08734},
year = {2019}
}