基于边的事务图时序消息传递：TeMP-TraG
机器学习
2025-03-24 v1
摘要
事务图代表了银行账户、公司等实体之间的金融和贸易交易，能够揭示指示金融犯罪如洗钱和欺诈的模式。然而，有效检测此类案件需要具备处理事务图独特挑战的的节点和边分类方法，包括丰富的边特征、多图结构和时序动态。为解决这些挑战，我们提出一种新颖的图神经网络机制TeMP-TraG，将时序动态纳入消息传递。TeMP-TraG在聚合节点消息时优先考虑较新的交易，使其能够更好地检测时序敏感模式。我们展示了TeMP-TraG在四个最先进的图神经网络上的平均提升为6.19%。我们的结果表明，TeMP-TraG是事务图用于打击金融犯罪的一种进步。
引用
@article{arxiv.2503.16901,
title = {TeMP-TraG: Edge-based Temporal Message Passing in Transaction Graphs},
author = {Steve Gounoue and Ashutosh Sao and Simon Gottschalk},
journal= {arXiv preprint arXiv:2503.16901},
year = {2025}
}