关系图神经网络在超级应用环境中的欺诈检测
机器学习
2021-08-02 v2 综合金融
摘要
大型数字平台构建了能够捕捉不同类型用户交互的环境，这些关系为欺诈检测问题提供了新颖的信息来源。本文提出一种关系图卷积网络方法的框架，用于超级应用金融服务中的欺诈行为防范。为此，我们将该框架应用于用户、设备和信用卡的不同异质图上，并最终使用一种图神经网络可解释性算法来确定对用户的分类任务最为重要的关系。我们的结果表明，采用利用超级应用替代数据及其高度连接中交互的模型具有附加价值，进一步证明了它们如何将之转化为更优的决策与欺诈检测策略。
引用
@article{arxiv.2107.13673,
title = {Relational Graph Neural Networks for Fraud Detection in a Super-App environment},
author = {Jaime D. Acevedo-Viloria and Luisa Roa and Soji Adeshina and Cesar Charalla Olazo and Andrés Rodríguez-Rey and Jose Alberto Ramos and Alejandro Correa-Bahnsen},
journal= {arXiv preprint arXiv:2107.13673},
year = {2021}
}
备注
Accepted to be appeared in 2021 KDD Workshop on ML in Finance