公开(公告)号：CN112465226A

公开(公告)日：2021-03-09

申请号：CN202011364939.8

申请日：2020-11-27

Applicant: 上海交通大学

Inventor： 唐嵩凯 ,  程帆 ,  张冬梅

IPC: G06Q10/04 ,  G06K9/62 ,  G06N3/04 ,  G06Q50/00

Abstract: 本发明涉及一种基于特征交互和图神经网络的用户行为预测方法，包括以下步骤：1)获得包含关系网络数据、节点特征数据和用户行为数据的数据集作为原始数据集；2)对原始数据进行预处理，得到图的邻接矩阵、用户节点特征矩阵和用户行为标签；3)使用预处理后的数据进行特征交互，并利用交互后的用户节点特征矩阵和关系网络邻接矩阵进行图传播，利用图传播后得到的用户特征进行用户行为标签预测，以此进行图神经网络模型的训练；4)将测试数据输入训练好的图神经网络模型中，输出预测的结果。与现有技术相比，本发明具有方便进行特征工程、模型架构灵活等优点。

公开(公告)号：CN112395466B

公开(公告)日：2023-05-12

申请号：CN202011360560.X

申请日：2020-11-27

Applicant: 上海交通大学

Inventor： 唐嵩凯 ,  程帆 ,  张冬梅

IPC: G06F16/901 ,  G06F16/951 ,  G06F16/9536 ,  G06N3/04 ,  G06N3/044 ,  G06N3/08 ,  G06Q30/018 ,  G06Q50/00

Abstract: 本发明涉及一种基于图嵌入表示和循环神经网络的欺诈节点识别方法，包括以下步骤：1)获取包含关系网络和节点行为的数据集作为原始数据集；2)对原始数据集进行预处理，得到图结构数据和节点标签；3)使用不同时间点的图结构数据生成节点嵌入表示；4)将同一节点不同时间点的节点嵌入表示按照时间顺序输入循环神经网络得到最终节点嵌入表示；5)利用最终节点嵌入表示对神经网络模型进行训练，并利用训练好的神经网络模型预测用户欺诈风险。与现有技术相比，具有能够直接从用户关系网络结构中抽取特征，不需要用户节点特征，不需要依赖外部特征，适应真实环境动态图等优点。

公开(公告)号：CN112465226B

公开(公告)日：2023-01-20

申请号：CN202011364939.8

申请日：2020-11-27

Applicant: 上海交通大学

Inventor： 唐嵩凯 ,  程帆 ,  张冬梅

IPC: G06F16/215 ,  G06F16/28 ,  G06N3/04

Abstract: 本发明涉及一种基于特征交互和图神经网络的用户行为预测方法，包括以下步骤：1)获得包含关系网络数据、节点特征数据和用户行为数据的数据集作为原始数据集；2)对原始数据进行预处理，得到图的邻接矩阵、用户节点特征矩阵和用户行为标签；3)使用预处理后的数据进行特征交互，并利用交互后的用户节点特征矩阵和关系网络邻接矩阵进行图传播，利用图传播后得到的用户特征进行用户行为标签预测，以此进行图神经网络模型的训练；4)将测试数据输入训练好的图神经网络模型中，输出预测的结果。与现有技术相比，本发明具有方便进行特征工程、模型架构灵活等优点。

公开(公告)号：CN112395466A

公开(公告)日：2021-02-23

申请号：CN202011360560.X

申请日：2020-11-27

Applicant: 上海交通大学

Inventor： 唐嵩凯 ,  程帆 ,  张冬梅

IPC: G06F16/901 ,  G06F16/951 ,  G06F16/9536 ,  G06N3/04 ,  G06N3/08 ,  G06Q30/00 ,  G06Q50/00

Abstract: 本发明涉及一种基于图嵌入表示和循环神经网络的欺诈节点识别方法，包括以下步骤：1)获取包含关系网络和节点行为的数据集作为原始数据集；2)对原始数据集进行预处理，得到图结构数据和节点标签；3)使用不同时间点的图结构数据生成节点嵌入表示；4)将同一节点不同时间点的节点嵌入表示按照时间顺序输入循环神经网络得到最终节点嵌入表示；5)利用最终节点嵌入表示对神经网络模型进行训练，并利用训练好的神经网络模型预测用户欺诈风险。与现有技术相比，具有能够直接从用户关系网络结构中抽取特征，不需要用户节点特征，不需要依赖外部特征，适应真实环境动态图等优点。