科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来，移动终端设备的数字化程度陡升，信贷行业的欺诈行为呈现出动态发展、行为隐蔽和专业伪装等新特点，海量数据的跨量级增长为传统反欺诈算法的有效性和计算效率都带来了不小的挑战。因此，为了充分学习信贷场景中不同实体间的交互信息，降低算法计算消耗以使其适用于大规模图数据任务，提出了基于异构信息网络的特异群组挖掘算法BKH-(Bron-Kerbosh-H-II)，即首先针对源数据中的信贷实体及实体间的关系进行界定和分类，并将不同实体间的相似度作为关系权重，以此构建信贷异构信息网络，对该网络采取了两阶段的基于H图的极大团枚举算法，用于挖掘特异群组，最终通过局部特征工程修正划分得到潜在的欺诈群体，经实验证明，BKH-II在4种评价指标上的准确度分别为NMI=0.983,NRI=0.96,F-score=0.943,Omega=0.95，并表现出了良好的泛化性和较低的计算复杂性。
- 出版日期2023
- 单位上海对外经贸大学
