面向在线支付系统智能监管的可解释多模态学习
系统与控制
2020-06-11 v1 机器学习
系统与控制
摘要
随着在线支付系统中交易活动的爆发式增长，有效且实时的监管成为支付服务商的关键问题。得益于人工智能（AI）的快速发展，AI赋能的监管成为一种有前景的解决方案。AI赋能监管的一大挑战是如何利用金融科技（FinTech）中的多媒体信息，即多模态信号。受自然语言处理中注意力机制的启发，我们提出一种新颖的跨模态与模态内注意力网络（CIAN）来探究文本与交易之间的关系。更具体地，我们整合文本与交易信息以增强文本—交易联合嵌入学习，使正样本对聚类并将负样本对彼此推远。智能监管的另一挑战是复杂机器学习模型的可解释性。为满足金融监管要求，我们设计了CIAN-Explainer来解释注意力机制如何作用于原始特征，其被表述为一个低秩矩阵逼近问题。利用来自最大在线支付系统腾讯微信支付的实际数据集，我们进行了实验以验证CIAN的实际应用价值，其中我们的方法优于最先进的方法。
引用
@article{arxiv.2006.05669,
title = {Interpretable Multimodal Learning for Intelligent Regulation in Online Payment Systems},
author = {Shuoyao Wang and Diwei Zhu},
journal= {arXiv preprint arXiv:2006.05669},
year = {2020}
}
备注
Accepted by IJCAI 2020. SOLE copyright holder is IJCAI (international Joint Conferences on Artificial Intelligence)