多模态银行数据集：通过事件序列理解客户需求
机器学习
2025-06-03 v2 人工智能
摘要
金融机构收集的时序(顺序)数据庞大且来自多个来源(模态)。尽管存在迫切的实际需求，但缺乏大型开源多源真实世界事件序列数据集，限制了针对此类数据的深度学习技术发展。为填补这一空白（主要由于安全原因），本文提出首个工业规模公开可获取的多模态银行数据集(MBD)，包含超过 200 万家大型银行企业客户信息。客户由多个数据源表示：9.5 亿笔银行交易、10 亿条地理位置事件、500 万条技术支持对话嵌入向量，以及每月聚合的四种银行产品采购。所有数据均经过properly匿名化处理，实验确认了该匿名化仍保留了用于引入下游任务的全部关键信息。此外，我们引入新颖的多模态基准测试，建议包括未来采购预测和模态匹配等多个重要实际任务。该基准整合了MBD和两个公开金融数据集。我们提供了针对最新事件序列建模技术（包括大型语言模型）的实证结果，表明融合方法在每个任务上均优于单模态技术。因此，MBD为金融领域多模态事件序列分析的未来研究提供了宝贵资源。
引用
@article{arxiv.2409.17587,
title = {Multimodal Banking Dataset: Understanding Client Needs through Event Sequences},
author = {Dzhambulat Mollaev and Alexander Kostin and Maria Postnova and Ivan Karpukhin and Ivan Kireev and Gleb Gusev and Andrey Savchenko},
journal= {arXiv preprint arXiv:2409.17587},
year = {2025}
}