Behavior Language Processing with Graph based Feature Generation for Fraud DetectioninOnline Lending

欺诈检测存在很多挑战：信用相关特征的稀疏性，例如社会保险，工作认证，然而这些对于目标人群来说都是稀疏的。数据的速率、种类和容量。设备的行为数据在容量和维度上有爆炸性的增长，而且行为数据对说明一个人的金融风险很有用，因为它揭示了申请人的兴趣、社会关系、生活方式，很难伪造。实际上问题就是如何整合这些数据并且应用合适的数据挖掘方法去为风险控制提取金融的信号，因为像浏览器日志这样的信息有着复杂的结构。欺诈

>>阅读原文<<