文献

J-GLOBAL ID：202202252218590260   整理番号：22A0067161

半教師つきグラフニューラルネットワークを用いた知識誘導不正検出【JST・京大機械翻訳】

Knowledge-Guided Fraud Detection Using Semi-supervised Graph Neural Network

著者 (10件)： Rao Yizhuo (Military Science Information Research Center, Academy of Military Sciences, Beijing, China) ,  Ren Xiaoguang (Artificial Intelligence Research Center, National Innovation Institute of Defense Technology, Beijing, China) ,  Duan Chengyuan (Military Science Information Research Center, Academy of Military Sciences, Beijing, China) ,  Mi Xianya (Artificial Intelligence Research Center, National Innovation Institute of Defense Technology, Beijing, China) ,  Cheng Jiajun (Military Science Information Research Center, Academy of Military Sciences, Beijing, China) ,  Chen Yu (Military Science Information Research Center, Academy of Military Sciences, Beijing, China) ,  You Hongliang (Military Science Information Research Center, Academy of Military Sciences, Beijing, China) ,  Gao Qiang (Military Science Information Research Center, Academy of Military Sciences, Beijing, China) ,  Zeng Zhixian (The Sixty-third Research Institute, National University of Defense Technology, Nanjing, China) ,  Wei Xiao (Military Science Information Research Center, Academy of Military Sciences, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13080  ページ： 385-393  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Fraud検出は,データにおける異常な挙動を見つけるので,企業が予測できないリスクを防止するために,不正なユーザを検出するのに不可欠である。グラフベースのアプローチは, fraudsterを検出する複雑なシナリオの複雑な特性を捕捉するためのグラフへの関係をモデル化する。しかし,ラベル付き fraudがラベルなし例よりはるかに少ないデータスキューの問題に直面している。知識は,これらのラベルなしデータの同定を助け,従って,本論文では,ドメイン知識をGNNと組み合わせ,知識誘導半教師つきグラフニューラルネットワーク,すなわち,KS-GNNを提案し,データスキューの問題に対処した。ドメインエキスパートを利用して,雑音としてラベル無しデータを大まかにラベル付けし,不正検出器を訓練するために,半教師つき法を使用するように,小量の規則を設計した。ドメインエキスパートによって行われた13のGFD規則だけを利用することによって,著者らの方式の性能は,銀行取引基金監視データセット(BTFSD)に関して最先端の不正検出方法CARE-GNNに関して約15%の改善をもたらした。さらに,BTFSDに関するGFD規則のいくつかの修正によって,IEEE-CIS Fraud検出()とYelp-Chiのような他のドメインデータセットに関するKS-GNNの性能も,最先端の方法と比較して平均で約5%改善した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  学習 ,  *ニューラルネットワーク ,  IEEE ,  ドメイン知識 ,  ゆがみ
準シソーラス用語： 半教師つき学習 ,  不正検出 , 【Automatic Indexing@JST】

著者キーワード (4件)： 不正検出 ,  半教師つき学習 ,  グラフニューラルネットワーク ,  雑音のあるラベルによる学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 教師 ,  グラフニューラルネットワーク ,  知識 ,  誘導 ,  不正検出