RWK-GNN：基于特征增強(qiáng)與子核分解的非平衡圖欺詐檢測算法

摘要： 金融欺詐對經(jīng)濟(jì)和社會穩(wěn)定造成了嚴(yán)重的威脅，因此開發(fā)有效的欺詐檢測算法對于保護(hù)金融系統(tǒng)的完整性至關(guān)重要.目前已有多種基于圖學(xué)習(xí)的欺詐檢測算法應(yīng)用于實(shí)際場景當(dāng)中，這些方法或針對圖的結(jié)構(gòu)信息開展分類，或通過圖卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)節(jié)點(diǎn)的嵌入式表示進(jìn)行欺詐檢測工作，關(guān)注角度相對單一，無法完備地在非平衡多關(guān)系圖上開展欺詐檢測分析.針對以上問題，本論文提出了一種結(jié)合隨機(jī)游走下的特征增強(qiáng)與子核分解... （共10頁）