徐瑞卿 張志旺 孫宏亮

（南京財經(jīng)大學(xué)信息工程學(xué)院，南京，210046）

1 引言

隨著互聯(lián)網(wǎng)應(yīng)用的發(fā)展，欺詐檢測是一項至關(guān)重要的技術(shù)，有著廣闊的前景，在安全[1]、金融[2]、醫(yī)療[3]和審查管理[4]等領(lǐng)域有許多具備影響力的應(yīng)用。例如，網(wǎng)絡(luò)商鋪通過購買水軍刷好評，來夸大自己店鋪的聲譽(yù)，或者是通過惡意評論來抹黑競爭對手的評價[5]。在金融行業(yè)中，有欺詐的借貸者通過偽造良好信譽(yù)形象，或者和高信譽(yù)的人產(chǎn)生關(guān)聯(lián)，來提高自己的信譽(yù)，進(jìn)行欺詐。如今，欺詐檢測技術(shù)早已應(yīng)用到諸如淘寶、京東等電子商務(wù)平臺，但水軍也在提高欺詐能力，欺詐檢測的精確度仍需要進(jìn)一步提升。

在過去已經(jīng)出現(xiàn)了許多用于檢測多維點(diǎn)集合中欺詐者的技術(shù)[6]。隨著圖數(shù)據(jù)變得無處不在，圖神經(jīng)網(wǎng)絡(luò)（GNN）技術(shù)快速發(fā)展，基于圖的欺詐檢測[7]受到了關(guān)注。從本質(zhì)上講，基于圖的欺詐檢測的基本假設(shè)是，用戶和欺詐者在購買產(chǎn)品或發(fā)布評論時有豐富的行為交互，這種交互可以表示為類似于圖的數(shù)據(jù)，為欺詐檢測提供有效的多方面信息。

圖卷積網(wǎng)絡(luò)（GCN）的核心是通過將節(jié)點(diǎn)特征傳遞給相鄰節(jié)點(diǎn)來操作圖結(jié)構(gòu)上的各種聚合函數(shù)；每個節(jié)點(diǎn)聚集其鄰居的特征向量，結(jié)合其自身的特征，計算更新為新的特征向量表示。電子商務(wù)中的水軍欺詐檢測問題可以看成是圖上的節(jié)點(diǎn)分類問題，因此GCN可被用于異常檢測并且逐漸成為一種有效且常用的手段。

最開始的基于GNN的欺詐檢測工作僅在狹窄的范圍內(nèi)應(yīng)用，而忽略了欺詐者的偽裝行為，偽裝有以下兩種類型。

（1）特征偽裝：聰明的欺詐者可以調(diào)整自己的行為，在評論中添加特殊字符（所謂的惡意用戶），或者使用深層語言生成模型來掩蓋明顯的可疑結(jié)果[8]。這有助于繞過基于特征的檢測器，以往簡單的評分信譽(yù)系統(tǒng)漸漸失去優(yōu)勢。

（2）關(guān)系偽裝：水軍用戶在在線社交網(wǎng)絡(luò)上積極進(jìn)行意見欺詐，他們可以調(diào)查辯護(hù)人使用的圖表，并調(diào)整他們的行為以減輕猜疑。這些狡猾的欺詐者通過連接到許多良性實體（例如，發(fā)布定期評論或連接到信譽(yù)良好的用戶）來偽裝自己[9]。

隨著圖深度學(xué)習(xí)技術(shù)的興起，將圖神經(jīng)網(wǎng)絡(luò)應(yīng)用于欺詐檢測的研究層出不窮。遺憾的是，對于新興的欺詐節(jié)點(diǎn)的偽裝行為，目前并沒有太好的檢測方案，普通的方法對于欺詐節(jié)點(diǎn)的檢測準(zhǔn)確率較低。

除了欺詐節(jié)點(diǎn)會有偽裝行為，電商欺詐檢測任務(wù)還存在欺詐節(jié)點(diǎn)不平衡的問題。在欺詐檢測問題中，我們會將用戶節(jié)點(diǎn)分成兩大類，一個是正常用戶，一個是欺詐用戶，正常用戶占多數(shù)，欺詐用戶只占少數(shù)部分，因此兩種類別的占比分配不平衡。在機(jī)器學(xué)習(xí)中，樣本類別不平衡會影響神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)的精度，因此這種節(jié)點(diǎn)類別的不平衡會影響欺詐檢測任務(wù)中對欺詐節(jié)點(diǎn)檢測的精確性。在來自Yelp的真實世界評論數(shù)據(jù)集YelpChi中，14.5%的評論是惡意用戶的評論，而其他評論被視為推薦評論[10]；在阿里巴巴集團(tuán)的真實金融數(shù)據(jù)集中，只有0.5%的用戶是違約者，無法償還從金融平臺借來的信用債務(wù)[11]。因此，基于圖的欺詐檢測算法常常存在類不平衡問題，并且表現(xiàn)不佳，特別是對于少數(shù)但更重要的欺詐者。同時，專門研究類不平衡問題的圖神經(jīng)網(wǎng)絡(luò)算法還沒有得到充分的研究。

針對上述問題,本文提出了一種基于精準(zhǔn)化采樣自適應(yīng)鄰域的多關(guān)系圖神經(jīng)網(wǎng)絡(luò)PS-GNN（Multi Graph Neural Network Based on Precise Sampling from Adaptive Neighborhood），針對類別不平衡問題，我們引入精準(zhǔn)化采樣策略，采樣后的節(jié)點(diǎn)的類別不平衡情況得到緩解；為了應(yīng)對偽裝行為，我們結(jié)合多關(guān)系神經(jīng)網(wǎng)絡(luò)的聚合機(jī)制，先對各個關(guān)系下各節(jié)點(diǎn)信息作嵌入表達(dá)，再對各關(guān)系作關(guān)系間的聚合。該方法在兩個真實世界數(shù)據(jù)集Yelp和Amazon上表現(xiàn)很好，對比目前主流的方法在準(zhǔn)確性上提升了0.06%-4.73%。

2 欺詐檢測相關(guān)研究

現(xiàn)有的欺詐檢測模型大多數(shù)都基于圖神經(jīng)網(wǎng)絡(luò)方法。圖神經(jīng)網(wǎng)絡(luò)（GNN）的進(jìn)步使多種領(lǐng)域的有效表示學(xué)習(xí)成為可能，包括生物信息學(xué)、化學(xué)信息學(xué)、社會網(wǎng)絡(luò)、自然語言處理[12]、社會事件、推薦系統(tǒng)[13]、時空交通[14]、計算機(jī)視覺和物理學(xué)，其中圖形主要是表示。GNN模型被證明能夠在大量數(shù)據(jù)集（引文網(wǎng)絡(luò)[15]、生化網(wǎng)絡(luò)[16]、社交網(wǎng)絡(luò)、知識圖、商品網(wǎng)絡(luò)、API調(diào)用網(wǎng)絡(luò)等）的不同任務(wù)上達(dá)到性能目標(biāo)，如節(jié)點(diǎn)分類、節(jié)點(diǎn)聚類、鏈接預(yù)測、圖分類[17]等。

異構(gòu)圖在現(xiàn)實世界系統(tǒng)中無處不在。圖通常由具有多種類型的節(jié)點(diǎn)和節(jié)點(diǎn)之間的多關(guān)系邊組成。例如，在Yelp惡意用戶數(shù)據(jù)中，存在異構(gòu)節(jié)點(diǎn)（例如，業(yè)務(wù)、評論、用戶等）和關(guān)系（例如，由同一用戶發(fā)布，在同一產(chǎn)品下具有相同的星級，以及在兩次評論之間的同一月份發(fā)布的同一產(chǎn)品）?，F(xiàn)有的GNN迭代聚合機(jī)制尚未仔細(xì)考慮語義關(guān)系的多樣性和所提出模型的可用性。同質(zhì)GNN如GraphSAGE[18]、GCN[19]、GAT[20]、GIN[21]忽 略或簡化了實際網(wǎng)絡(luò)中節(jié)點(diǎn)和邊的多樣性和復(fù)雜性，不足以表示數(shù)據(jù)的異質(zhì)性。為了解決上述問題，Michael Schlichtkrull[22]等人提出了多關(guān)系GNN，在多關(guān)系GNN下，模型先將多關(guān)系拆分成一個個單關(guān)系，在各個單關(guān)系下作節(jié)點(diǎn)嵌入表示，最后匯總聚合為多關(guān)系。

近年來，研究人員致力于解決傳統(tǒng)的基于特征的監(jiān)督學(xué)習(xí)環(huán)境中的類別失衡問題，主要分為兩個方向，即重新采樣和重新加權(quán)方法：重新采樣方法通過對少數(shù)類進(jìn)行過采樣或?qū)Χ鄶?shù)類進(jìn)行欠采樣來平衡示例數(shù)量；重新加權(quán)方法通過對成本敏感的調(diào)整或基于元學(xué)習(xí)的方法將不同的權(quán)重分配給不同的類別或甚至不同的樣本。為了解決圖上類不平衡問題，Huang等[23]提出了DR-GCN,該方法包括類條件對抗正則化其和分布對齊正則化器，但不能擴(kuò)展到大型圖。

總體而言，雖然傳統(tǒng)特征空間中的類不平衡監(jiān)督學(xué)習(xí)得到了很好的研究，但專門研究類不平衡問題的圖神經(jīng)網(wǎng)絡(luò)算法還沒有得到充分的研究。我們的方法是在多關(guān)系的大型圖上，將各個關(guān)系先分開聚合信息，引入精準(zhǔn)化采樣機(jī)制，賦予各類別節(jié)點(diǎn)不同的采樣概率，在緩解節(jié)點(diǎn)不平衡影響的同時，化大圖為小圖，簡化算法操作，使得在大型多關(guān)系圖上的操作成為可能。

3 基礎(chǔ)知識

本文所提方法主要基于精準(zhǔn)化采樣自適應(yīng)鄰域的多關(guān)系圖神經(jīng)網(wǎng)絡(luò)，下面就相關(guān)概念和基本知識予以介紹。

3.1 問題定義

3.2 多關(guān)系圖神經(jīng)網(wǎng)絡(luò)

圖神經(jīng)網(wǎng)絡(luò)（GNN）是一種深度學(xué)習(xí)框架，通過聚合來自其相鄰節(jié)點(diǎn)的信息來嵌入圖形結(jié)構(gòu)化數(shù)據(jù)。其公式原理可以表示成：

其中，對于一個中心節(jié)點(diǎn)v，表示第l層v節(jié)點(diǎn)的隱藏嵌入表示，能將高維特征信息用低維向量表示出來，Nv表示v節(jié)點(diǎn)的鄰域節(jié)點(diǎn)集合，AGG是表示將來自鄰域信息映射到向量中的聚合函數(shù)，例如均值聚合和注意力聚合。是組合節(jié)點(diǎn)信息的運(yùn)算符以及通過級聯(lián)或求和來獲得其相鄰信息，是激活函數(shù)，可以是比如ReLU函數(shù)。d維特征向量xi作為初始化節(jié)點(diǎn)嵌入。

然而我們面對的多關(guān)系圖，需要考慮圖中邊緣的復(fù)雜性和多樣性，因此基于問題定義3.1，我們可以根據(jù)不同關(guān)系從多層鄰居聚合的角度概述多關(guān)系GNN的統(tǒng)一公式。

4 基于精準(zhǔn)化采樣自適應(yīng)鄰域的多關(guān)系圖神經(jīng)網(wǎng)絡(luò)PS-GNN

鑒于多關(guān)系圖神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力和特征表示能力，本文提出一種基于精準(zhǔn)化采樣自適應(yīng)鄰域的多關(guān)系圖神經(jīng)網(wǎng)絡(luò)PS-GNN,該方法由3部分組成。具體框架如圖1所示。首先，我們對部分標(biāo)記節(jié)點(diǎn)，使用二分類損失函數(shù)監(jiān)督訓(xùn)練GNN，作全圖節(jié)點(diǎn)標(biāo)簽預(yù)測。接著，設(shè)計了精準(zhǔn)化采樣策略，賦予節(jié)點(diǎn)一個采樣概率，對于不平衡的少數(shù)類節(jié)點(diǎn)給與更高的采樣概率，對于多數(shù)類的節(jié)點(diǎn)減少其采樣概率，平衡最后參與特征學(xué)習(xí)和鄰域聚合的節(jié)點(diǎn)類別，構(gòu)建用于小批量訓(xùn)練的子圖。接下來，對于每個中心節(jié)點(diǎn)，在每個關(guān)系下，利用Top-p采樣以及自適應(yīng)濾波閾值來構(gòu)造每個關(guān)系下的相似鄰居，自適應(yīng)閾值p由強(qiáng)化學(xué)習(xí)學(xué)得不同關(guān)系下的動態(tài)閾值。最后，基于為每個關(guān)系選擇相似的鄰居，在關(guān)系之間聚合所有這些鄰居信息，以進(jìn)行全面嵌入并獲得目標(biāo)節(jié)點(diǎn)的最終表示，最后一層的節(jié)點(diǎn)嵌入用于預(yù)測。

圖1 基于精準(zhǔn)化采樣自適應(yīng)鄰域的多關(guān)系圖神經(jīng)網(wǎng)絡(luò)模型框架圖Fig.1 Framework of Multi-relationship Graph Neural Network Based on Precise Sampling and Adaptive Neighborhood

4.1 標(biāo)簽感知預(yù)測度量

與無監(jiān)督相似性度量（如余弦相似性或神經(jīng)網(wǎng)絡(luò)）相比，許多實際問題（如財務(wù)欺詐、疾病診斷等）需要額外的領(lǐng)域知識（例如，高保真數(shù)據(jù)注釋）來識別異常實例。為此，我們基于來自領(lǐng)域?qū)＜业谋O(jiān)督信號設(shè)計了一個節(jié)點(diǎn)相似性度量，即標(biāo)簽感知神經(jīng)相似性度量。

此任務(wù)是半監(jiān)督學(xué)習(xí)任務(wù)，所以數(shù)據(jù)是不完整的，而收集全部數(shù)據(jù)需要耗費(fèi)太多的人力，故依據(jù)現(xiàn)有的部分?jǐn)?shù)據(jù)，受到RioGNN[24]啟發(fā)，結(jié)合了完全卷積網(wǎng)絡(luò)（FCN）和線性正則化，我們在圖神經(jīng)網(wǎng)絡(luò)的每一層采用FCN作為節(jié)點(diǎn)標(biāo)簽預(yù)測器。

其中，F(xiàn)CN是完全卷積網(wǎng)絡(luò)，它將輸入的特征，輸出為分類結(jié)果，此文中分類為0（正常用戶）和1（欺詐用戶）。是激活函數(shù)，即是第l層v節(jié)點(diǎn)的標(biāo)簽預(yù)測，最后用l1距離范式衡量v節(jié)點(diǎn)和u節(jié)點(diǎn)的距離。因此，兩個節(jié)點(diǎn)的相似性就可以定義為：

在訓(xùn)練標(biāo)簽相似性預(yù)測器時，結(jié)合已知的標(biāo)簽作直接監(jiān)督信號，我們可以定義l層FCN的交叉熵?fù)p失函數(shù)為：

yv是節(jié)點(diǎn)標(biāo)簽的真實分布，是全卷積網(wǎng)絡(luò)作標(biāo)簽分類預(yù)測的分布。對于整個神經(jīng)網(wǎng)絡(luò)預(yù)測階段的損失函數(shù)，最后在訓(xùn)練網(wǎng)絡(luò)參數(shù)的時候，是全網(wǎng)絡(luò)損失函數(shù)的一部分。其預(yù)測階段損失函數(shù)為：

4.2 精準(zhǔn)化采樣

由于欺詐用戶的類別不平衡，可以借鑒傳統(tǒng)機(jī)器學(xué)習(xí)欠采樣的思想，在模型學(xué)習(xí)節(jié)點(diǎn)特征表示時，減少正常用戶的采樣，增加對欺詐用戶的采樣率。如何精準(zhǔn)的對欺詐用戶進(jìn)行采樣，可以從下面兩個方向切入：一是盡可能選取較多稀少的不平衡節(jié)點(diǎn)，根據(jù)節(jié)點(diǎn)子圖中同類別節(jié)點(diǎn)的個數(shù)約束采樣概率，對節(jié)點(diǎn)數(shù)多的，給與小的采樣權(quán)重，對于節(jié)點(diǎn)數(shù)少的，說明是不平衡的節(jié)點(diǎn)，給與較大的概率；二是只選取一部分多數(shù)節(jié)點(diǎn)，對同一類別下的多數(shù)節(jié)點(diǎn)，根據(jù)節(jié)點(diǎn)的度指標(biāo)，分配其重要性，度越大，默認(rèn)其更具備采樣留取價值，度越小，默認(rèn)其舍棄的概率就越大。

首先對于選取稀少的不平衡節(jié)點(diǎn)階段，我們會統(tǒng)計子圖中每個節(jié)點(diǎn)的標(biāo)簽，對子圖中每個節(jié)點(diǎn)v，會得到子圖下與v節(jié)點(diǎn)相同標(biāo)簽節(jié)點(diǎn)的個數(shù)

其中，N(v)表示子圖中所有節(jié)點(diǎn)的集合，表示子圖中除v節(jié)點(diǎn)以外的所有節(jié)點(diǎn)。顯然，在每個子圖中，最后我們會得到兩個值，一個是良性節(jié)點(diǎn)標(biāo)簽個數(shù)，一個是欺詐節(jié)點(diǎn)標(biāo)簽個數(shù)。

針對剔除部分多類節(jié)點(diǎn)，我們同時統(tǒng)計子圖內(nèi)每個節(jié)點(diǎn)的度d(v)，表示如下：

最終對每個節(jié)點(diǎn)，給予其一個采樣概率p(v)，結(jié)合式（1）和式（2），具體如下：

其中，A(:v)是v節(jié)點(diǎn)的歸一化鄰接矩陣的列，可以協(xié)助衡量v節(jié)點(diǎn)的一階鄰居節(jié)點(diǎn)數(shù)量信息，w是權(quán)重系數(shù)，一般取0.01。ΣL(v)越大，顯示子圖中與v節(jié)點(diǎn)相同標(biāo)簽的節(jié)點(diǎn)就越多，屬于多類節(jié)點(diǎn)，選取概率就越??；d(v)一定程度上衡量了v節(jié)點(diǎn)的重要程度，在面對眾多多類節(jié)點(diǎn)時，可以有更大概率選取d(v)值較大的節(jié)點(diǎn)。

4.3 自適應(yīng)鄰域聚合方法

基于為每個關(guān)系選擇相似的鄰居，下一步是在關(guān)系之間聚合所有這些鄰居信息，以進(jìn)行全面嵌入。先前的方法使用注意力機(jī)制[23]或加權(quán)參數(shù)[26]來學(xué)習(xí)聚合過程中的關(guān)系權(quán)重。

不同關(guān)系下的閾值p由強(qiáng)化學(xué)習(xí)學(xué)得。形式上，用于中心節(jié)點(diǎn)，關(guān)系r下，在第l層，可以如下定義關(guān)系內(nèi)鄰居聚合：

4.4 訓(xùn)練方法

欺詐檢測問題屬于節(jié)點(diǎn)分類問題，神經(jīng)網(wǎng)絡(luò)最后一層的輸出是節(jié)點(diǎn)的最終嵌入表示，通過softmax函數(shù)進(jìn)行分類預(yù)測。我們將節(jié)點(diǎn)分類階段產(chǎn)生的交叉熵?fù)p失函數(shù)定義為：

其中zv表示節(jié)點(diǎn)的最終嵌入表示。結(jié)合節(jié)點(diǎn)預(yù)測階段的損失函數(shù)，在整個欺詐檢測的神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)過程中，我們可以得到需要訓(xùn)練的損失函數(shù)為：

5 實驗分析

5.1 實驗數(shù)據(jù)

本研究在真實世界數(shù)據(jù)集Yelp和Amazon上進(jìn)行實驗。在這些數(shù)據(jù)集中，欺詐者成分的占比分別為14.5%和9.5%。表1給出了數(shù)據(jù)集所對應(yīng)的詳細(xì)項目信息。

表1 實驗數(shù)據(jù)集Table 1 Experimental Data Sets

我們使用Yelp評論數(shù)據(jù)集[27]和Amazon評論數(shù)據(jù)集[28]來研究欺詐者偽裝和基于GNN的欺詐檢測問題。Yelp數(shù)據(jù)集包括Yelp過濾（惡意用戶）和推薦（合法）的酒店和餐廳評論。Amazon數(shù)據(jù)集包括樂器類別下的產(chǎn)品評論。我們將超過80%有幫助投票的用戶標(biāo)記為良性實體，將低于20%有幫助投票用戶標(biāo)記為欺詐實體。盡管先前的工作提出了其他欺詐數(shù)據(jù)集，如Epinion[29]和Bitcoin[30]，但它們只包含圖結(jié)構(gòu)和壓縮特征，我們無法使用這些結(jié)構(gòu)構(gòu)建有意義的多關(guān)系圖。在本文中，我們對Yelp數(shù)據(jù)集和Amazon數(shù)據(jù)集執(zhí)行垃圾郵件審查檢測（欺詐用戶檢測）任務(wù)，這是一個二進(jìn)制分類任務(wù)。

Yelp數(shù)據(jù)集下存在三個關(guān)系：（1）R-U-R：它連接同一用戶發(fā)布的評論；（2）R-T-R：它連接了具有相同星級的相同產(chǎn)品（1-5星級）；（3）R-S-R：它將同一個月發(fā)布的同一產(chǎn)品下的兩篇評論聯(lián)系起來。

Amazon數(shù)據(jù)集下存在三個關(guān)系：（1）U-P-U：它將審查至少一個相同產(chǎn)品的用戶連接起來；（2）U-S-U：連接一周內(nèi)至少有一個相同星級的用戶；（3）U-V-U：它將所有用戶中相互審查文本相似度最高的5%（由TF-IDF衡量）的用戶聯(lián)系起來。

5.2 評價指標(biāo)與基準(zhǔn)模型

在本次實驗中，我們采用常用的評價指標(biāo)ROC-AUC（AUC）和Recall來評估欺詐檢測方法的效果，AUC和Recall也是欺詐檢測領(lǐng)域常用的兩種性能指標(biāo)衡量方法。

Recall表示的是樣本中的正例有多少被預(yù)測正確了，即所有正例中被正確預(yù)測出來的比例，其公式表達(dá)如下：

其中，TP表示將正類預(yù)測為正類的數(shù)量，F(xiàn)N表示將正類錯誤地預(yù)測為負(fù)類的數(shù)量，因此TP+FN表示樣本中所有正類的個數(shù)。

在介紹AUC指標(biāo)之前，我們先了解以下兩個概念，偽陽性率FPR和真陽性率TPR，它們的計算表達(dá)分別如下：

其中FP表示將本該為負(fù)類樣本預(yù)測判定為正類樣本的數(shù)量，TN表示本來為負(fù)類樣本，正確預(yù)測為負(fù)類樣本的數(shù)量，因此偽陽性率FPR表示將原本負(fù)類樣本錯誤判定為正類的概率，并且偽陽性率FPR值越小代表算法表現(xiàn)越好；真陽性率TPR表示將原本正類樣本正確判定為正類的概率，并且真陽性率TPR值越大代表算法表現(xiàn)越好。

我們以FPR值為橫軸，以TPR值為縱軸，可以得出算法的ROC曲線，AUC便是ROC曲線下的面積，顯然此面積越大代表算法性能越好。故結(jié)合式(14)和式(15)，AUC計算ROC曲線下的面積表達(dá)公式如下，其中m表示樣本個數(shù)：

為了驗證PS-GNN在解決欺詐檢測中類別不平衡問題的效果，我們將其與半監(jiān)督學(xué)習(xí)設(shè)置下的各種GNN基線進(jìn)行了比較。我們選擇GCN和GraphSAGE來表示一般的GNN模型。我們選擇CARE-GNN[31]、SemiGNN[32]和Rio-GNN作為三種最先進(jìn)的基于GNN的欺詐檢測器。

5.3 實驗方法

在Yelp 和Amazon 數(shù)據(jù)集中，我們選取40%作訓(xùn)練集，60%數(shù)據(jù)作為測試集，并進(jìn)行小批量重復(fù)實驗。例如，Yelp 數(shù)據(jù)集中，訓(xùn)練集由4777 個節(jié)點(diǎn)組成，在每一批次訓(xùn)練中，數(shù)據(jù)集會被重新隨機(jī)欠采樣欺詐節(jié)點(diǎn)。

在我們的實驗中，模型由神經(jīng)網(wǎng)絡(luò)構(gòu)成,實現(xiàn)方法基于Python以及pytorch框架，其中超參數(shù)λ1默認(rèn)為2、λ2默認(rèn)為1e-3,隱藏層數(shù)默認(rèn)為2層，神經(jīng)元個數(shù)默認(rèn)為64。在實驗結(jié)果中匯報的值是多個源項目進(jìn)行驗證后的平均值。其中，每次驗證的結(jié)果是在最優(yōu)的參數(shù)配置下模型收斂時的平均性能。我們采用的策略是對于每個目標(biāo)項目的同一種參數(shù)配置，以其能在所有的源項目取得最優(yōu)平均值的參數(shù)組合作為最佳的參數(shù)配置。

5.4 實驗結(jié)果與分析

為了評估基于精準(zhǔn)化采樣自適應(yīng)鄰域的多關(guān)系圖神經(jīng)網(wǎng)絡(luò)PS-GNN在欺詐檢測中的有效性，我們研究了以下兩個問題。

RQ1：PS-GNN是否比目前的其他欺詐檢測器有更好的性能效果？

RQ2：調(diào)整神經(jīng)網(wǎng)絡(luò)隱藏層數(shù)和神經(jīng)元個數(shù)是否能有更好的效果？

為了驗證RQ1，我們將PS-GNN模型與其他幾個比較常見和較新的欺詐檢測模型方法進(jìn)行了對比實驗，比較的指標(biāo)是AUC分?jǐn)?shù)和Recall分?jǐn)?shù)，實驗的結(jié)果見表2。

表2 PS-GNN 與其他欺詐檢測方法性能比較Table 2 Performance Comparison Between PS-GNN and Other Fraud Detection Methods

一般的GNN模型方法GCN和GraphSAGE并沒有考慮不同關(guān)系下的鄰居聚合，也沒有精準(zhǔn)化采樣策略。與這兩種方法相比，在Yelp數(shù)據(jù)集中，在AUC指標(biāo)和Recall指標(biāo)上，我們的方法提高了45%-55%。在Amazon數(shù)據(jù)集中，AUC指標(biāo)和Recall指標(biāo)上，我們的方法提高了27%-32%。

最先進(jìn)的基于GNN的欺詐檢測算法CARE-GNN與Rio-GNN，考慮了圖上的多關(guān)系，卻沒有精準(zhǔn)化采樣策略。與這兩種方法相比，在Yelp數(shù)據(jù)集中，在AUC指標(biāo)上我們的方法分別比CARE-GNN和RioGNN提高了3.94%-10.1%；在Recall指標(biāo)上我們的方法分別比CARE-GNN和RioGNN提高了4.73%-5.62%。在Amazon數(shù)據(jù)集中，在AUC指標(biāo)上我們的方法分別 比CARE-GNN和RioGNN提高了3.94%-7.62%；在Recall指標(biāo)上我們的方法分別比CARE-GNN和RioGNN提高了0.06%-0.7%。

為了強(qiáng)化顯示在大型多關(guān)系圖上引入新型精準(zhǔn)化采樣策略的效果，我們將PS-GNN與CARE-GNN進(jìn)行對比，比較每個訓(xùn)練批次下的AUC和Recall分?jǐn)?shù)變化。實驗結(jié)果如圖2和圖3所示。

圖2、圖3、圖4顯示，隨著訓(xùn)練批次的增加，在Recall，AUC和F1指標(biāo)上，PS-GNN表現(xiàn)效果均比CARE-GNN要好，證明了我們增加新型精準(zhǔn)化采樣策略后有提升效果。綜上,PS-GNN明顯優(yōu)于傳統(tǒng)一般GNN欺詐檢測模型算法，并且對比現(xiàn)有最新模型，仍有提升。

圖2 隨訓(xùn)練批次Recall 分?jǐn)?shù)對比Fig.2 Comparison of Recall Scores Between Training Batches

圖3 隨訓(xùn)練批次AUC 分?jǐn)?shù)對比Fig.3 Comparison of AUC Scores Between Training Batches

圖4 隨批次F1分?jǐn)?shù)的對比Fig.4 Comparison of F1 Scores Between Training Batches

為了驗證RQ2，我們選擇上述實驗中表現(xiàn)比較好的CARE-GNN，RioGNN以及我們的PS-GNN進(jìn)行進(jìn)一步實驗，調(diào)整神經(jīng)網(wǎng)絡(luò)隱藏層數(shù)layer和神經(jīng)元個數(shù)embed-size，實驗結(jié)果如表3、表4所示。

從表3、表4中可以看出，針對不同欺詐檢測算法，控制其神經(jīng)元個數(shù)與網(wǎng)絡(luò)層數(shù)，對其效果有波動影響，選擇合理的網(wǎng)絡(luò)層數(shù)和神經(jīng)元個數(shù)，會促進(jìn)模型收斂到一個好的性能。

表3 Yelp 數(shù)據(jù)集下調(diào)整網(wǎng)絡(luò)層數(shù)和神經(jīng)元性能比較Table 3 Performance Comparison of Adjusting Network Layers and Neuron Using Yelp Data Set

表4 Amazon 數(shù)據(jù)集下調(diào)整網(wǎng)絡(luò)層數(shù)和神經(jīng)元性能比較Table 4 Performance Comparison of Adjusting Network Layers and Neuron Using Amazon Data Set

總之，我們提出的PS-GNN對比其他方法有較好的性能提升并有著魯棒性，具有指導(dǎo)意義和實踐價值。

6 案例分析

為了更好的闡釋我們的模型中的精準(zhǔn)化采樣策略，我們結(jié)合實驗中在Yelp數(shù)據(jù)集上的一個具體例子進(jìn)一步分析說明。

如圖5，給出的是在Yelp數(shù)據(jù)集下，某一個批次訓(xùn)練中，子圖節(jié)點(diǎn)樣本圖的采樣示例，其中，為了方便表述與區(qū)分，我們給這8個節(jié)點(diǎn)標(biāo)注序號a，b，c，d，e，f，g，h（實驗中為索引數(shù)字序號）。Yelp數(shù)據(jù)集下存在三種關(guān)系，分別用關(guān)系1、關(guān)系2、關(guān)系3表示，a、c節(jié)點(diǎn)表示欺詐節(jié)點(diǎn)，其余節(jié)點(diǎn)表示良性正常節(jié)點(diǎn)。

圖5 Yelp 數(shù)據(jù)集下精準(zhǔn)化采樣策略示意說明圖Fig.5 Schematic Diagram of Precise Sampling Strategy Using Yelp Dataset

a節(jié)點(diǎn)的度為d(a)=4，a節(jié)點(diǎn)的采樣概率為

b節(jié)點(diǎn)的度為d(b)=2，b節(jié)點(diǎn)的采樣概率為

c節(jié)點(diǎn)的度為d(c)=3，c節(jié)點(diǎn)的采樣概率為

d節(jié)點(diǎn)的度為d(d)=2，d節(jié)點(diǎn)的采樣概率為

e節(jié)點(diǎn)的度為d(e)=1，e節(jié)點(diǎn)的采樣概率為

f節(jié)點(diǎn)的度為d(f)=1，f節(jié)點(diǎn)的采樣概率為

g節(jié)點(diǎn)的度為d(g)=1，g節(jié)點(diǎn)的采樣概率為

h節(jié)點(diǎn)的度為d(h)=2，h節(jié)點(diǎn)的采樣概率為

根據(jù)計算得出的采樣概率，最終采樣出a、b、c、d、h這5個節(jié)點(diǎn)，欺詐節(jié)點(diǎn)和正常用戶節(jié)點(diǎn)個數(shù)比例為2：3，消除了原先的不平衡性。

觀察各個采樣概率發(fā)現(xiàn)，欺詐節(jié)點(diǎn)a、c節(jié)點(diǎn)采樣概率明顯高于其它正常節(jié)點(diǎn)，這也說明了少數(shù)類的節(jié)點(diǎn)往往有更大的可能性被納入采樣。而普通節(jié)點(diǎn)中，只有b、d、h被納入采樣，這是因為同為多數(shù)類的節(jié)點(diǎn)，b、d、h節(jié)點(diǎn)的度卻高于其他正常節(jié)點(diǎn)，因此會被認(rèn)為相對更加“重要”，也就對比其它正常節(jié)點(diǎn)更有概率被選中。

同理，在關(guān)系2下，采樣出a、c、d、e、g、h節(jié)點(diǎn)，在關(guān)系3下采樣出a、b、c、f、h節(jié)點(diǎn)，然后再進(jìn)行下一步的多關(guān)系聚合嵌入操作。

7 總結(jié)

基于精準(zhǔn)化采樣自適應(yīng)鄰域的多關(guān)系圖神經(jīng)網(wǎng)絡(luò)方法是我們在電子商務(wù)水軍檢測領(lǐng)域提出的一種新型方法,該類方法可應(yīng)用于日益流行的多關(guān)系大型圖上，因此具有非常強(qiáng)大的實用性。

針對現(xiàn)有的電子商務(wù)水軍檢測算法并不能在大型多關(guān)系圖上解決欺詐節(jié)點(diǎn)類別不平衡的問題，本文基于多關(guān)系圖神經(jīng)網(wǎng)絡(luò)算法原理，結(jié)合全卷積網(wǎng)絡(luò)對未標(biāo)注標(biāo)簽預(yù)測，接著引入新型的精準(zhǔn)化采樣策略，緩解欺詐節(jié)點(diǎn)類別不平衡帶來的影響，通過自適應(yīng)鄰域下的多關(guān)系信息聚合，可以更加精確地進(jìn)行節(jié)點(diǎn)特征的嵌入表達(dá)，最終進(jìn)行節(jié)點(diǎn)的二分類。通過在兩個真是數(shù)據(jù)集上的實驗，對比多種先進(jìn)的水軍欺詐檢測算法，驗證了本文所提出的新型電子商務(wù)水軍檢測算法可以緩解大型多關(guān)系圖上欺詐節(jié)點(diǎn)類別不平衡的問題，有一定的創(chuàng)新性和有效性。

作者貢獻(xiàn)說明

徐瑞卿：提出研究思路，設(shè)計研究方案，進(jìn)行實驗，論文初稿撰寫與修訂；

張志旺：修改論文；

孫宏亮：提供研究思路，指導(dǎo)研究方向，論文修訂。

支撐數(shù)據(jù)

支撐數(shù)據(jù)由作者自存儲，E-mail：hlsun84@mail.ustc.edu.cn。

1.徐瑞卿，孫宏亮.Amazon.csv.Amazon 用戶點(diǎn)評數(shù)據(jù).

2.徐瑞卿，孫宏亮.Yelp.csv.Yelp 用戶點(diǎn)評數(shù)據(jù).