基于多视角图神经网络的欺诈检测算法OA北大核心CSTPCD

针对欺诈检测领域样本标签不平衡、欺诈节点之间缺乏必要连接,导致欺诈检测任务不符合图神经网络同质性假设的问题,提出了基于多视角图神经网络的欺诈检测(MGFD)算法。首先,利用结构无关的编码器对网络中节点进行属性编码,以学习欺诈节点与正常节点之间的差异,使用层次注意力机制对网络中多视角信息进行融合,在学习差异的基础上充分利用网络中不同视角之间的交互信息对节点进行建模;然后,基于数据不平衡比采样子图,依据欺诈节点连接特性构建样本进行分类学习,解决样本标签不平衡的问题;最后,预测标签判别节点是否为欺诈节点。在公开数据集上的实验表明,MGFD算法在基于图的欺诈检测领域检测效果优于对比方法。