TransCORALNet：面向供应链信用评估冷启动的双流 Transformer CORAL 网络
机器学习
2023-12-01 v1 人工智能
风险管理
摘要
本文提出一种可解释的双流 transformer CORAL 网络（TransCORALNet），用于细分行业与冷启动问题下的供应链信用评估。该模型旨在为历史数据有限的新供应链借款人提供准确的信用评估预测。此处，以相关性对齐（CORAL）损失为核心的双流域适应架构辅以 transformer，从而提供所学特征的洞察并支持训练期间的高效并行化。得益于所提模型的域适应能力，源域与目标域间的域偏移被最小化。因此，在源域与目标域不服从同一分布且目标域仅有少量标注样本时，模型展现出良好的泛化性。此外，我们采用局部可解释模型无关解释（LIME）以深入揭示模型预测并识别对供应链信用评估决策起关键作用的特征。所提模型解决了供应链信用评估的四个重要挑战：域偏移、冷启动、类别不平衡与可解释性。在真实数据集上的实验结果表明，TransCORALNet 在准确率方面优于若干最先进基线。代码已发布于 GitHub https://github.com/JieJieNiu/TransCORALN 。
引用
@article{arxiv.2311.18749,
title = {TransCORALNet: A Two-Stream Transformer CORAL Networks for Supply Chain Credit Assessment Cold Start},
author = {Jie Shi and Arno P. J. M. Siebes and Siamak Mehrkanoon},
journal= {arXiv preprint arXiv:2311.18749},
year = {2023}
}
备注
13 pages, 7 figures