Differentiable Inductive Logic Programming for Fraud Detection
创建于 更新于
摘要
本文探讨了可微分归纳逻辑编程(𝜕ILP)在金融欺诈检测中的应用，针对PaySim合成数据及真实交易数据进行了性能评测。结果表明，𝜕ILP虽在大规模数据上存在内存限制，且无法优于基于决策树的传统方法，但在小数据集和递归规则学习场景下表现出强泛化能力和良好可解释性，尤其能有效构建递归欺诈链规则，填补传统机器学习方法的空白[page::0][page::4][page::6][page::7]。
