典型文献
图表示学习方法在消费金融领域团伙欺诈检测中的研究
文献摘要：
消费金融的欺诈检测是学术界和产业界的一个重要问题,现阶段比较流行的做法是利用机器学习方法通过提取用户的固有特征来实现.随着团伙化欺诈的出现,传统的机器学习方法在欺诈用户样本数量小及特征数据不足的情况下,显得无能为力.团伙欺诈用户之间有很强的关联关系,该文利用用户间的通话数据构建用户关联网络,通过网络统计指标和DeepWalk算法提取用户节点的图特征,充分利用图的拓扑结构信息和邻居节点信息,将其与用户固有特征一起作为特征输入,使用LightGBM模型对上述多种特征进行学习.实验结果表明,采用图表示学习方法后,AUC指标与仅使用用户固有特征相比提高了7.3％.
文献关键词：
欺诈检测;团伙欺诈;关联网络;图表示学习
中图分类号：
作者姓名：
傅湘玲;闫晨巍;赵朋亚;宋美琦;仵伟强
作者机构：
北京邮电大学 计算机学院(国家示范性软件学院),北京 100876;北京邮电大学 可信分布式与服务教育部重点实验室,北京 100876;北京邮电大学-渤海银行智慧银行联合实验室,天津 300204;渤海银行股份有限公司,天津 300204
文献出处：
引用格式：
[1]傅湘玲;闫晨巍;赵朋亚;宋美琦;仵伟强-.图表示学习方法在消费金融领域团伙欺诈检测中的研究)[J].中文信息学报,2022(09):120-128,138
A类：
B类：
图表示学习,表示学习方法,消费金融,金融领域,团伙欺诈,欺诈检测,产业界,机器学习方法,取用,固有特征,团伙化,样本数量,特征数据,无能为力,关联关系,用用,通话,用户关联,关联网络,统计指标,DeepWalk,拓扑结构,结构信息,邻居节点,节点信息,LightGBM,用图表
AB值：
0.351782
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
