摘要：[目的]引入拓扑结构分析，提高图神经网络在信贷欺诈检测准确性。[方法]提出融合先验结构信息的图深度欺诈检测模型PSI-GNN。通过结构信息编码将表征中心节点拓扑结构的属性信息嵌入于特征向量；其次，将消息传递分为近端与远端两个方面，其一基于浅层GNN模型聚合近端节点信息，其二，以随机游走结构相似性为导向筛选并聚合远端同构性信息；最后，融合上述两节点嵌入结果并完成欺诈识别。[结果]与9个相关领域的图神经网络模型相比，在包含欺诈行为的信贷或交易网络DGraph-Fin和TFinance数据集上，PSI-GNN在F1-Macro和AUC分别具有2.62%、4.55%和4.67%、2.33%的提升；[局限]对结构信息预嵌入开销的降低是进一步研究的重点。[结论]充分利用信贷网络中实体的结构属性和同构性信息可有效完成欺诈检测任务。
文章目录
1 引言
2 相关研究
2.1 同构性假设失灵与远端建模缺失
2.2 相关方法
3 模型描述
3.1 结构编码模块
3.2近端消息传递模块
3.3远端消息传递模块
3.4 节点嵌入融合与欺诈检测
4 实验与分析
4.1 实验数据集
4.2 基线模型与评估指标
4.3 其余实验设置
4.4 实验结果
4.5 超参数选取与检验
（1）核心超参数选取分析
4.6 模型消融分析
（1）单模块消融分析
4.7 模型有效性分析
（1）模型表达能力分析
5. 结束语
