用“注意力”机制建模图动态以进行欺诈检测
机器学习
2022-04-25 v1 人工智能
社会与信息网络
摘要
在在线零售平台，检测欺诈账户和交易对于改善客户体验、最小化损失以及避免未授权交易至关重要。尽管存在多种不同的图深度学习模型，但很少有方法被提出用于处理既异构又动态的图。在本文中，我们提出 DyHGN（动态异构图神经网络）及其变体以捕获时间和异构信息。我们首先从 eBay 的注册和交易数据构建动态异构图。然后，我们构建具有历时实体嵌入和异构图变换器的模型。我们还使用模型可解释性技术来理解 DyHGN-* 模型的行为。我们的发现揭示，根据数据结构、分布和计算成本，用异构输入建模图动态需要谨慎“注意”。
引用
@article{arxiv.2204.10614,
title = {Modelling graph dynamics in fraud detection with "Attention"},
author = {Susie Xi Rao and Clémence Lanfranchi and Shuai Zhang and Zhichao Han and Zitao Zhang and Wei Min and Mo Cheng and Yinan Shan and Yang Zhao and Ce Zhang},
journal= {arXiv preprint arXiv:2204.10614},
year = {2022}
}
备注
Manuscript under review. arXiv admin note: text overlap with arXiv:2012.10831