KDDJan, 2023

公司即部落：基于分层图神经网络的部落式图上公司风险评估

PDF
TL;DR研究使用部落式图作为新的财务风险评估方式，提出一种新的基于两个级别的 TH-GNN 模型，包括结构模式编码和信息扩散两个级别，利用对比学习和部落关系分析有效地、高效地识别部落中的风险公司，模型在真实数据集上得到了显著的改进。
financial risk assessmenttribe-style graphgraph neural networkshierarchical graph neural networkcontrastive learning
发现论文，激发创造
  • HKTGNN：基于层次知识迁移图神经网络的供应链风险评估

    建立供应链风险评估模型以有效管理和缓解潜在风险的重要性逐渐增加，本文提出了一种基于层次化的知识可迁移图神经网络的供应链风险评估模型，通过图嵌入方法将供应链网络嵌入到基本产品网络中，解决了数据饥饿问题，实验证明该模型在实际供应链数据集上表现优异。

    Nov, 2023

  • 演化网络拓扑下的电网运行风险评估的图神经网络

    该研究探讨了图神经网络在没有明确的高分辨率信息（发电机状态、电网拓扑和电力调度决策）的情况下，能否识别未来几个小时内电网的风险状况。研究发现，基于图神经网络的可靠性和风险评估具有快速而准确的预测能力。

    May, 2024

  • 金融时间序列预测的时空异质性图神经网络

    本论文提出了一种基于时间和异构图神经网络（THGNN）的方法，用于学习金融时间序列中价格变动之间的动态关系。该方法在美国和中国的股票市场上展开广泛实验，并在实际交易中实现了显著的累积组合回报。

    May, 2023

  • 网络担保贷款风险管理的视觉分析

    通过可视化分析方法，对贷款担保网络风险进行管理，包括对企业违约风险、高风险群体、违约传播路径等进行分析，帮助政府和银行监控担保网络的违约情况和防范系统性金融风险。

    Apr, 2017

  • 分级消息传递图神经网络

    提出了一种新的 Hierarchical Message-passing Graph Neural Networks 框架，通过生成 hierarchical structure，并采用 inra- 和 inter-level propagation manners 以及 hierarchical community detection algorithm，实现了对长程信息的高效访问，从而在节点分类、社区检测等任务中优于现有基于 GNN 的模型。

    Sep, 2020

  • 基于拓扑分层分解的 HELOC 申请人风险表现评估

    本研究提出一种新的无监督和半监督技术，称为拓扑分层分解（THD），该技术将数据集分解为不断变小的群组，并将这些群组与自恰复合体相关联，从而能够识别不同的贷款者群体并解释贷款决策的原因。

    Nov, 2018

  • DeepHGNN: 基于图神经网络的层次相关多变量时间序列预测方法研究

    这篇论文介绍了一种针对复杂层次结构的新型 Hierarchical GNN（DeepHGNN）框架，该框架通过创新的基于图的层次插值和端到端的协调机制，在多个层次上确保了预测的准确性和一致性，同时在层次之间共享信号，以解决层次预测中的一个关键挑战。

    May, 2024

  • 基于图形的时间序列聚类用于端到端分层预测

    本文介绍一种基于图形结构的方法，用于在时间序列预测的深度学习中统一相对和层次的归纳偏见，该方法相对其他方法效果更佳。

    May, 2023

  • 基于图神经网络的入侵检测的高效网络表示

    我们提出了一种新颖的网络表示形式作为流图，旨在为入侵检测任务提供相关的拓扑信息，以及通过基于图结构的神经网络框架将通信流分类为恶意得分。我们还强调了传统评估程序可能存在的数据泄露问题，并提出了解决方案以确保入侵检测系统性能的可靠验证。通过实施提出的框架，证明利用基于流的图结构优于经典的基于机器学习和先前的基于图神经网络的解决方案。

    Sep, 2023

  • 图神经网络中的信息流：临床分诊案例

    在本文中，我们调查了图神经网络中嵌入信息的流向如何影响知识图谱中链接的预测，并提出了一个将领域知识融入到图神经网络连接性中的数学模型。我们的结果表明，将领域知识融入到图神经网络连接性中比使用相同连接性或允许无限制的嵌入传播能够取得更好的性能。此外，我们还发现负边在预测中起着至关重要的作用，并且使用太多的图神经网络层可能会降低性能。

    Sep, 2023