让关系发声：面向欺诈检测的端到端LLM-GNN软提示框架
人工智能
2026-05-28 v1
摘要
近年来，大语言模型(LLM)在处理图任务如欺诈检测方面显示出强大的能力。然而，大多数现有方法依赖丰富的文本属性，这在该领域由于缺乏文本数据而具有挑战。尽管有一些开创性方法试图通过硬提示将图结构文本化，但容易导致特征失真。此外，欺诈检测常 exhibits 多关系复杂性，当前方法难以捕获这种深层语义信息。为此，我们提出LLM-GNN软提示框架(LGSPF)。具体而言，LGSPF通过软提示桥接图结构和语义空间，以消除对文本的依赖。我们进一步引入平行图神经网络(GNN)编码器，将多关系拓扑转化为图标记，以获得细粒度的LLM欺诈理解。通过端到端优化，LGSPF增强了LLM和GN的深层语义对齐。实验在多样化的欺诈检测基准上表明，我们的方法实现了状态最佳性能。此外，我们进一步验证了LGSPF在增强欺诈行为语义可解释性方面的贡献。
引用
@article{arxiv.2605.28524,
title = {Let Relations Speak: An End-to-End LLM-GNN Soft Prompt Framework for Fraud Detection},
author = {Zhixing Zuo and Huilin He and Jiasheng Wu and Dawei Cheng},
journal= {arXiv preprint arXiv:2605.28524},
year = {2026}
}
备注
14 pages,3 figures