图维度注意力网络用于企业信用评估
机器学习
2024-07-17 v1 人工智能
摘要
企业信用评估是评估金融风险的关键环节，图神经网络（GNN）凭借其先进的建模能力，能够深入理解这些金融网络，因而是自然的工具。然而，现有基于 GNN 的方法主要侧重实体层面的注意力机制来聚合传递风险，往往忽视不同特征维度的异构重要性，难以充分建模信用风险水平。为此，我们提出一种新型架构，称为图维度注意力网络（GDAN），其包含维度层面的注意力机制以捕获细粒度的风险相关特征。此外，我们探讨了 GNN 方法在金融场景中的可解释性，提出一种简单而有效的数据中心解释器 GDAN-DistShift。DistShift 通过量化消息传递过程中分布偏移的程度，提供边层次的可解释性。我们收集了一个真实的、多源的企业信用评估数据集（ECAD），并自此向研究社区开放，因为该领域缺乏高质量数据集。大量实验在 ECAD 上表明我们方法的有效性。此外，我们在知名数据集 SMEsD 和 DBLP 上运行了 GDAN，效果同样出色。
引用
@article{arxiv.2407.11615,
title = {Graph Dimension Attention Networks for Enterprise Credit Assessment},
author = {Shaopeng Wei and Beni Egressy and Xingyan Chen and Yu Zhao and Fuzhen Zhuang and Roger Wattenhofer and Gang Kou},
journal= {arXiv preprint arXiv:2407.11615},
year = {2024}
}