Financial Default Prediction via Motif-preserving Graph Neural Network with Curriculum Learning
创建于 更新于
摘要
本报告提出了一种结合基础图结构和多视角motif子图结构的金融违约预测模型MotifGNN，通过设计motif图门控机制解决motif图连接性弱的问题，并使用基于motif分布偏离的课程学习机制聚焦于罕见motif样本，实现了对违约概率的更精准预测。公开数据集及两组真实产业数据的实验表明该方法优于现有最先进技术 [page::0][page::1][page::2][page::4][page::5][page::6][page::7][page::8]
