研究人员开发了 RGH-GNN,这是一种新颖的异构图神经网络,旨在改进金融欺诈检测。该模型通过将由 LightGBM 分类器生成的交易级别风险评分作为边权重,来解决交易数据中的类别不平衡挑战。这些风险评分指导可学习的聚合机制,确保高风险交易对学习到的表示产生更大的影响。在 IEEE-CIS 欺诈检测数据集上进行评估,RGH-GNN 的表现显著优于现有模型,AUC-ROC 评分为 0.914,证明了将工程风险信号集成到基于图的消息传递中的有效性。 AI
影响 通过更好地识别伪装的欺诈交易,该模型可以显著提高金融欺诈检测系统的准确性。
排序理由 该集群描述了一篇详细介绍用于欺诈检测的新颖模型的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →