动态异质网络表征学习的车险理赔反欺诈识别研究

来源：计算机工程与应用杂志2024年第24期北京时间：

作者：潘怡君, 梁变, 张泷, 那崇宁

单位：之江实验室 金融科技研究中心，杭州 311121

摘要：针对车险理赔数据呈现多源异构形态及历史数据量较大的问题，提出一种基于动态异质网络表征学习的车险理赔反欺诈识别方法。利用图结构将车险理赔案件中不同结构多种属性的节点统一表示成向量形式，再利用传统的机器学习方法实现欺诈识别。根据车险理赔案件的欺诈类型，设计五条相应的随机游走规则，从多个角度描述车险欺诈事件；提出一种动态异质网络节点选择方法，辨识与新采集车险案件相关的节点，并计算历史案件中出现频次较高的节点，在新的时间戳动态更新这部分节点的随机游走路径及节点的向量表示。利用真实的车险理赔数据验证所提出算法的有效性，分别从欺诈的识别率、误报率、准确率、模型运行时间、节点选择数量以及模型窗口大小方面实现。

关键词：动态性,异质网络,表征学习,随机游走,欺诈识别