Corporate Fraud Detection in Rich-yet-Noisy Financial Graph
创建于 更新于
摘要
本报告针对企业财务欺诈检测中的信息过载和隐藏欺诈问题，提出一种结合知识图嵌入与鲁棒双阶段学习的图卷积网络模型（KeGCN_R）。通过构建中国A股18年财务知识图谱，深入分析了支持节点过多导致的图信息噪声和标签噪声带来的挑战，并设计了以元路径为基础的公司子图及基于贝叶斯标签转移矩阵的隐匿欺诈鲁棒训练策略。实验证明，所提方法在处理复杂关系和标签噪声方面均显著优于现有方法，提升了欺诈识别的准确性和鲁棒性 [page::0][page::1][page::4][page::5][page::7][page::11].
