图结构特征挖掘在预测交易风险中的应用

摘要

交易风险预测是近年来电子商务和互联网金融领域关心的一个话题。传统的风控方法是基于具体规则来制定的,不能满足大数据时代应用的需要。比较流行的方法是先基于统计的特征挖掘,再基于特征进行模型训练,这也是比较传统的机器学习方法的工作模式。本文将改变传统的人工设计数据特征维度的方法,从图结构中自动地挖掘出特征,再结合最新机器学习Light GBM框架中的分类模型,进行用户交易风险分析。比传统的利用黑名单控制、基于统计特征分析的方式效果更好。同时,结合图的结构特征挖掘的方式在标签样本稀疏的情况下,效果也比传统方式更好。