SemHGT

大语言模型增强图学习提升金融欺诈检测能力

研究人员开发了SemHGT，一个创新的框架，通过将大语言模型（LLMs）与异构交易图相结合来增强金融欺诈检测。该方法明确地根据实体角色对结构化属性的商业语义进行建模，这是现有方法常常忽略的一个特点。SemHGT使用角色感知提示从属性生成商业描述，用语义向量丰富节点表示，并采用统一的Transformer处理路径证据和邻居摘要，以提高在多个基准数据集上的欺诈检测准确性。