CN114155009B 欺诈检测方法、装置、电子设备及存储介质 (华东交通大学)_第1页
CN114155009B 欺诈检测方法、装置、电子设备及存储介质 (华东交通大学)_第2页
CN114155009B 欺诈检测方法、装置、电子设备及存储介质 (华东交通大学)_第3页
CN114155009B 欺诈检测方法、装置、电子设备及存储介质 (华东交通大学)_第4页
CN114155009B 欺诈检测方法、装置、电子设备及存储介质 (华东交通大学)_第5页
已阅读5页,还剩36页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

取所述异构神经网络输出的所述待检测节点的2获取与检测内容相关的多个同构图数据,所述多个同构图数将所述多个同构图数据输入到训练好的异构神经网络模型,获取所述所述训练好的异构神经网络模型包括关系内聚合子层、关系间融合子层以及更新子将所述多个同构图数据输入到所述关系内聚合子层,获取所述所述待检测节点的多个第一表示向量,其中,所述多个第一表示向量表征所述多个同构图数据各自对应的所述待检测节点的邻域信息,所述邻域信息为聚合的每个同构图数据中的所述待检测节点的邻居节点的信息,所述第一表示向量通过以下公式计算得到:将所述多个第一表示向量输入到所述关系间融合子层,获取所述的所述待检测节点的第二表示向量,所述第二表示向量通过以下公式计算得到:将所述第二表示向量输入到所述更新子层,获取所述更新子层输将所述待检测节点的表示向量输入训练好的检测模型中,以对所述将所述多个同构图数据输入到所述关系内聚合子层,通过聚合器级所述多个同构图数据中的每个同构图数据中所述待检测节点的邻居节点的信息进行融合,33.根据权利要求1所述的方法其特征在于,所述将所述多个第一表示向量输入到所述将所述多个第一表示向量输入到所述关系间融合子层,通过关将所述当前时刻的第二表示向量以及上一时刻的第二表示向量输入到所述更新子层通过显示特征交互网络分别得到第三隐藏表示向量和第四隐基于所述第一隐藏表示向量和第二隐藏表示向量,以及所述第三隐将所述多个第一同构图和所述多个第二同构图输入到异构神经网络将迭代完成的所述异构神经网模型络作为所述训练好的异构神数据获取单元,用于获取与检测内容相关的多个同构图数据4得到其中,表示在基于元路径P的子图内节点v聚合的邻域在基于元路径P的子图内聚合器i对节点v的重要性;表示在基于元路径p的子图内聚层输出的所述待检测节点的第二表示向量,所述第二表示向量通过以下公式计算得到:检测单元,用于所述待检测节点的表示向量输入训练好的检测模型存储在所述存储器中并被配置为由所述一个或多个处理器执行权利要求1-6任一所述的方9.一种计算机可读存储介质,其特征在于,所56以使得训练好的神经网络可以更好的关注到同一元路径模式下的待检测节点的邻居节点[0014]图5示出了本申请再一实施例提出的得到待检测节点的最终表示向量的过程示意[0018]图9示出了本申请实时中的用于执行根据本申请实施例的欺诈检测方法的电子设[0019]图10示出了本申请实时中的用于保存或者携带实现根据本申请实施例的欺诈检7基于元路径模式建立的连接所述待检测节点与所述邻居节8[0034]作为一种方式,所述训练好的异构神经网络模型用于根据输入的多个同构图数同构图数据对应的待检测节点的表示向量进模型可以是二分类模型、逻辑回归模型或者神经网络模型等具有分类能力的机器学习模[0040]本申请提供的一种欺诈检测方法,首先获取与检测内容基于元路径模式建立的连接所述待检测节点与所述邻居节[0043]在本实施例中,步骤S210的具体实施方式,可以参考上文实施例所提供的步骤9[0052]在本实施例中,步骤S250的具体实施方式,可以参考上文实施例所提供的步骤[0053]本申请提供的一种欺诈检测方法,首先获取与检测内容基于元路径模式建立的连接所述待检测节点与所述邻居节意力机制分别对所述多个同构图数据中的每个同构图数据中所述待检测节点的邻居节点合器可以捕捉到邻居节点的总体背景信息;最大值聚合器可以反映邻居节点的判别信息其中,表示在基于元路径P的子图内节点v聚合通过显式特征交互的过程也可以计算得到对应所述更新子层中,通过隐式特征交互网络分别得到第一隐藏表示向量和第二隐藏表示向(WrhN(v)+Uzhv),其zr2为预先设置好[0072]对于每一个节点,取异构图神经网络的最后的输出Z,="作为节点的最终表示[0074]在本申请实施例中,将待检测节点的最终表示向量输入将迭代完成的所述异构神经网络模型作为所述训练好的异构v表示[0090]对于每个节点,取异构神经网络模型的最后一层的输出Z,="作为节点的最终基于元路径模式建立的连接所述待检测节点与所述邻居节训练好的神经网络可以更好的关注到同一元路径模式下的待检测节点的邻居节点的特征[0099]向量获取单元520,用于将所述多个同构图数据输入到训练好的异构神经网络模邻域信息为聚合的每个同构图数据中的所述待检测节点的所述更新子层中,通过隐式特征交互网络分别得到第一隐藏表示向量和第二隐藏表示向一隐藏表示向量和第二隐藏表示向量,以及所述第三隐藏表示向量和第四隐藏表示向量,[0109]模型训练单元540,用于获取第一数据集和第二数据集;基于第一预设元路径模执行前述欺诈检测方法的电子设备800。电子设备800包括相互耦合的一个或多个(图中仅实现下述各个方法实施例的指令等。存储数据区还可以存储终端800在使用中所创建的数[0117]请参考图10,其示出了本申请实施例提供的一种计算机可读存储介质的结构框算机可读介质(non-transitorycomputer-readablestoragemedium)。计算机可读存储以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论