SEFraud:基于图解释掩码学习的自解释欺诈检测
原文中文,约300字,阅读约需1分钟。发表于: 。提出 SEFraud,一种新颖的基于图的自解释欺诈检测框架,通过利用可学习的特征掩码和边缘掩码,从信息丰富的异构类型交易中学习表达能力强的表示,采用新的三元组损失增强掩码学习的性能,演示了的效果。在中国工商银行的生产环境中部署并提供可解释的欺诈检测服务,结果与专业人员的业务理解相一致,确认了它在大规模在线服务中的高效性和适用性。
SEFraud是一种新颖的基于图的自解释欺诈检测框架,通过学习表达能力强的表示,采用三元组损失增强掩码学习的性能,演示了在中国工商银行的生产环境中的高效性和适用性。