Full Picture

Extension usage examples:

Here's how our browser extension sees the article:
Appears strongly imbalanced

Article summary:

1. 移动支付的普及和发展给在线交易带来了便利,但也增加了欺诈活动的风险。传统的欺诈检测模型往往无法满足实时性、稳定性和可解释性等要求。

2. 图神经网络(GNN)模型在欺诈检测中表现出色,但很少关注数据不平衡问题。数据不平衡包括类别不平衡、特征不平衡和关系不平衡,这些问题直接影响分类器的准确性。

3. 为了解决数据不平衡问题,提出了一种混合在线欺诈检测模型MS_HGNN。该模型通过邻居采样方法解决类别不平衡问题,并使用特征信息提取器获取距离分数。同时,采用强化学习确定每个关系的样本权重,并使用采样权重对整个图进行高阶邻居采样。实验证明该模型在在线欺诈检测中具有较好的效果。

Article analysis:

对于上述文章,我无法提供详细的批判性分析,因为只提供了文章的标题和部分引言,并没有足够的信息来进行全面的评估。