Key points are not available for this paper at this time.
사기 거래는 전자상거래 플랫폼의 건강한 발전에 주요한 위협 요소로, 사용자 경험을 해치고 시장의 질서 있는 운영을 방해합니다. 사용자 행동 데이터는 사기 거래 탐지에 널리 활용되며, 최근 연구에서는 행동 시퀀스에서 사용자 의도를 정확하게 모델링하면 성능 향상에 기여할 수 있음을 보여줍니다. 그러나 대부분의 기존 방법은 거래 속성에 의해 접근되는 거래 수준의 상호작용을 고려하지 않고 각 거래를 독립적인 데이터 사례로 처리하여, 더 복잡한 상황에서 만족스러운 결과를 달성하지 못할 수 있습니다. 본 논문에서는 거래와 의도 간의 교차 상호작용 정보를 활용하는 새로운 이종 거래-의도 네트워크를 설계하였으며, 이는 거래 노드와 의도 노드라는 두 가지 유형의 노드와 거래-의도 및 거래-거래 엣지라는 두 가지 유형의 엣지로 구성됩니다. 이후 우리는 순차적으로 의도를 인식할 뿐만 아니라 거래 간의 관계를 인코딩하는 그래프 신경망 방법인 IHGAT(의도 인식 이종 그래프 주의 네트워크)를 제안합니다. Alibaba 플랫폼의 실제 데이터 세트에 대한 광범위한 실험 결과, 우리가 제안한 알고리즘이 오프라인 및 온라인 모드 모두에서 최첨단 방법을 초월하는 것을 보여줍니다.
Liu et al. (Fri,)가 이 문제를 연구하였습니다.