論文の概要: NetDP: An Industrial-Scale Distributed Network Representation Framework
for Default Prediction in Ant Credit Pay
- arxiv url: http://arxiv.org/abs/2004.00201v1
- Date: Wed, 1 Apr 2020 02:22:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-17 18:18:58.184289
- Title: NetDP: An Industrial-Scale Distributed Network Representation Framework
for Default Prediction in Ant Credit Pay
- Title（参考訳）: NetDP: Ant Credit Payにおけるデフォルト予測のための産業規模の分散ネットワーク表現フレームワーク
- Authors: Jianbin Lin, Zhiqiang Zhang, Jun Zhou, Xiaolong Li, Jingli Fang,
Yanming Fang, Quan Yu, Yuan Qi
- Abstract要約: Ant Credit Payは、Ant Financial Service Groupの消費者向けクレジットサービスである。
本稿では、Ant Credit Payのデフォルト予測のために、NetDPと呼ばれる産業規模の分散ネットワーク表現フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 17.20470045724419
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ant Credit Pay is a consumer credit service in Ant Financial Service Group.
Similar to credit card, loan default is one of the major risks of this credit
product. Hence, effective algorithm for default prediction is the key to losses
reduction and profits increment for the company. However, the challenges facing
in our scenario are different from those in conventional credit card service.
The first one is scalability. The huge volume of users and their behaviors in
Ant Financial requires the ability to process industrial-scale data and perform
model training efficiently. The second challenges is the cold-start problem.
Different from the manual review for credit card application in conventional
banks, the credit limit of Ant Credit Pay is automatically offered to users
based on the knowledge learned from big data. However, default prediction for
new users is suffered from lack of enough credit behaviors. It requires that
the proposal should leverage other new data source to alleviate the cold-start
problem. Considering the above challenges and the special scenario in Ant
Financial, we try to incorporate default prediction with network information to
alleviate the cold-start problem. In this paper, we propose an industrial-scale
distributed network representation framework, termed NetDP, for default
prediction in Ant Credit Pay. The proposal explores network information
generated by various interaction between users, and blends unsupervised and
supervised network representation in a unified framework for default prediction
problem. Moreover, we present a parameter-server-based distributed implement of
our proposal to handle the scalability challenge. Experimental results
demonstrate the effectiveness of our proposal, especially in cold-start
problem, as well as the efficiency for industrial-scale dataset.
- Abstract（参考訳）: Ant Credit Payは、Ant Financial Service Groupの消費者向けクレジットサービスである。
クレジットカードと同様、ローンのデフォルトはこの信用商品の主要なリスクの1つだ。
したがって、デフォルト予測のための効果的なアルゴリズムは、企業の損失削減と利益増の鍵となる。
しかし、われわれのシナリオで直面する課題は、従来のクレジットカードサービスとは異なる。
ひとつはスケーラビリティです。
Ant Financialの大量のユーザとその行動は、産業規模のデータを処理し、モデルトレーニングを効率的に行う能力を必要とする。
第2の課題は、コールドスタート問題である。
従来の銀行でのクレジットカードアプリケーションの手動レビューとは異なり、Ant Credit Payのクレジット制限は、ビッグデータから学んだ知識に基づいてユーザーに自動的に提供される。
しかし、新規ユーザーのデフォルトの予測は十分な信用行動の欠如に苦しんでいる。
提案には、コールドスタート問題を緩和するために、他の新しいデータソースを活用する必要がある。
上記の課題とantファイナンシャルの特別なシナリオを考慮して,ネットワーク情報にデフォルト予測を組み込むことにより,コールドスタート問題を軽減する。
本稿では、Ant Credit Payのデフォルト予測のために、NetDPと呼ばれる産業規模の分散ネットワーク表現フレームワークを提案する。
本提案は,ユーザ間のさまざまなインタラクションによって生成されたネットワーク情報を探索し,非教師なし,教師なしのネットワーク表現を既定予測問題のための統一フレームワークにブレンドする。
さらに,提案手法のパラメータサーバベースの分散実装を行い,スケーラビリティの課題に対処する。
実験の結果,特にコールドスタート問題における提案の有効性と,産業規模データセットの効率性が示された。
関連論文リスト
- Reducing Idleness in Financial Cloud Services via Multi-objective
Evolutionary Reinforcement Learning based Load Balancer [14.21902878831522]
ニューラルネットワークベースのスケーラブルポリシは,要求される弾力性のために,ユーザ要求をさまざまなサーバにルーティングするように設計されている。
アイドルネスの新たな目的が従来の産業ソリューションよりも130%以上削減されるだけでなく、本来の負荷分散目標自体もわずかに改善されている。
論文 参考訳（メタデータ） (2023-05-05T12:09:45Z) - Causal Analysis of Customer Churn Using Deep Learning [9.84528076130809]
顧客チャーン(Customer Churn)は、ビジネスとの関係を終了するか、特定の期間における顧客エンゲージメントを減少させる。
本稿では,ディープフィードフォワードニューラルネットワークを用いた分類手法を提案する。
また,顧客を混乱させる原因を予測するための因果ベイズネットワークを提案する。
論文 参考訳（メタデータ） (2023-04-20T18:56:13Z) - Robustness Certificates for Implicit Neural Networks: A Mixed Monotone
Contractive Approach [60.67748036747221]
暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。
入力逆流の摂動に関して、それらは不安定なままである。
本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
論文 参考訳（メタデータ） (2021-12-10T03:08:55Z) - Feature-Level Fusion of Super-App and Telecommunication Alternative Data
Sources for Credit Card Fraud Detection [106.33204064461802]
クレジットカード不正を早期に検出するための,スーパーアプリ顧客情報,携帯電話回線データ,従来型の信用リスク変数を融合した機能レベルの有効性について検討する。
クレジットカードのデジタルプラットフォームデータベースから約9万人のユーザを対象に,我々のアプローチを評価した。
論文 参考訳（メタデータ） (2021-11-05T19:10:35Z) - Predicting Credit Risk for Unsecured Lending: A Machine Learning
Approach [0.0]
本研究は、無担保貸付(クレディットカード)の信用デフォルトを予測するための、同時代の信用評価モデルを構築することを目的とする。
本研究は,光グラディエントブースティングマシン(LGBM)モデルにより,学習速度の向上,効率の向上,データボリュームの大規模化を実現していることを示す。
このモデルの導入により、商業融資機関や銀行の意思決定者に対する信用デフォルトのより良いタイムリーな予測が可能になると期待している。
論文 参考訳（メタデータ） (2021-10-05T17:54:56Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳（メタデータ） (2021-07-29T00:02:06Z) - Supporting Financial Inclusion with Graph Machine Learning and Super-App
Alternative Data [63.942632088208505]
スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。
本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
論文 参考訳（メタデータ） (2021-02-19T15:13:06Z) - On the Reproducibility of Neural Network Predictions [52.47827424679645]
そこで本研究では, チャーン問題について検討し, 原因因子を同定し, 緩和する2つの簡単な方法を提案する。
最初に、標準的な画像分類タスクであっても、チャーンが問題であることを示す。
我々は,予測信頼度を高めるために,エントロピー正規化器を提案する。
両手法の有効性を実証的に示し, 基礎モデルの精度を向上しながら, チャーン低減効果を示す。
論文 参考訳（メタデータ） (2021-02-05T18:51:01Z) - A Hierarchical User Intention-Habit Extract Network for Credit Loan
Overdue Risk Detection [18.774367398953927]
本研究では,モバイルバンキングAPPにおけるユーザの行動情報を活用するHUIHENというモデルを提案する。
本稿では,ユーザの短期的意図や長期的習慣を捉えるために,時間認識型GRUとユーザ認識型GRUで構成される階層型ネットワークを提案する。
提案モデルは,従来のオンラインアプリケーションプロセスの複雑さを増大させることなく,精度を向上させることができる。
論文 参考訳（メタデータ） (2020-08-18T08:13:49Z) - Super-App Behavioral Patterns in Credit Risk Models: Financial,
Statistical and Regulatory Implications [110.54266632357673]
従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。
2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
論文 参考訳（メタデータ） (2020-05-09T01:32:03Z) - A Semi-supervised Graph Attentive Network for Financial Fraud Detection [30.645390612737266]
本稿では,多視点ラベル付きおよびラベルなしデータを不正検出に用いる半教師付き減衰型グラフニューラルネットワークSemiSemiGNNを提案する。
ソーシャルリレーションとユーザ属性を利用することで,2つのタスクにおける最先端手法と比較して精度が向上する。
論文 参考訳（メタデータ） (2020-02-28T10:35:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。