HIN-RNN:一种无需手工特征的欺诈团伙检测图表示学习神经网络
机器学习
2021-11-19 v1 神经与进化计算
社会与信息网络
摘要
社交评论是现代消费者决策不可或缺的资源。为谋取经济利益,企业倾向于雇请欺诈团伙来贬低或推广产品与服务,因为消费者更容易被团伙中大量相似的评论所误导。现有的欺诈团伙检测方法采用团伙行为的手工特征,而未考虑同一团伙中评论者所写评论之间的语义关系。本文提出首个神经方法 HIN-RNN,一种兼容异质信息网络(HIN)的 RNN,用于无需手工特征的欺诈团伙检测。HIN-RNN 为每个评论者提供统一的表示学习架构,其初始向量为同一评论者所写全部评论文本的词嵌入之和,并拼接负评比例。给定表示共同评论过相同物品且给出相同评分的评论者及其向量表示的协同评论网络,通过 HIN-RNN 训练获得协作矩阵。所提方法被证实有效,在 Yelp(召回率和 F1 值分别提升 22% 和 12%)和 Amazon(召回率和 F1 值分别提升 4% 和 2%)数据集上较最先进方法有显著改进。
引用
@article{arxiv.2105.11602,
title = {HIN-RNN: A Graph Representation Learning Neural Network for Fraudster Group Detection With No Handcrafted Features},
author = {Saeedreza Shehnepoor and Roberto Togneri and Wei Liu and Mohammed Bennamoun},
journal= {arXiv preprint arXiv:2105.11602},
year = {2021}
}