基于 RBIH NFPC 数据集将钱骡检测建模为关系学习问题的研究

研究人员将银行关系模式构建为异构图，通过每列编码器、相对时间编码和 HeteroGraphSAGE 消息传递直接对钱骡账户进行评分。在包含 4 亿笔交易和 94,063 个标注账户的 RBIH 零售银行数据集上，该检测器在 0.5% 误报率下达到 83% 精确率并找回 90% 的测试集钱骡账户，比最强树集成模型多识别出 115 个钱骡。该方法直接利用银行现有数据库模式部署，无需构建专门的特征图。