論文の概要: Temporal Motifs for Financial Networks: A Study on Mercari, JPMC, and Venmo Platforms

• arxiv url: http://arxiv.org/abs/2301.07791v2
• Date: Fri, 11 Jul 2025 03:26:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-14 18:03:54.002542
• Title: Temporal Motifs for Financial Networks: A Study on Mercari, JPMC, and Venmo Platforms
• Title（参考訳）: 金融ネットワークのための時間的モチーフ:Mercuri、JPMC、Venmoプラットフォームに関する研究
• Authors: Penghang Liu, Bahadir Altun, Rupam Acharyya, Robert E. Tillman, Shunya Kimura, Naoki Masuda, Ahmet Erdem Sarıyüce,
• Abstract要約: 本稿では,Mercuriでの取引,J.P. Morgan Chaseが生み出した合成ネットワークでの支払い,Venmoユーザ間の支払いと友情の3つのユニークな時間的金融ネットワークについて検討する。 友情の予測では、時相のモチーフはジャカードやアダム・アダル測度のような将軍よりも良い結果をもたらす。 また、ベンダーを高い精度で識別し、時間サイクルのような稀なモチーフで興味深いパターンを観察することができます。
• 参考スコア（独自算出の注目度）: 2.696098750048164
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding the dynamics of financial transactions among people is critical for various applications such as fraud detection. One important aspect of financial transaction networks is temporality. The order and repetition of transactions can offer new insights when considered within the graph structure. Temporal motifs, defined as a set of nodes that interact with each other in a short time period, are a promising tool in this context. In this work, we study three unique temporal financial networks: transactions in Mercari, an online marketplace, payments in a synthetic network generated by J.P. Morgan Chase, and payments and friendships among Venmo users. We consider the fraud detection problem on the Mercari and J.P. Morgan Chase networks, for which the ground truth is available. We show that temporal motifs offer superior performance to several baselines, including a previous method that considers simple graph features and two node embedding techniques (LINE and node2vec), while being practical in terms of runtime performance. For the Venmo network, we investigate the interplay between financial and social relations on three tasks: friendship prediction, vendor identification, and analysis of temporal cycles. For friendship prediction, temporal motifs yield better results than general heuristics, such as Jaccard and Adamic-Adar measures. We are also able to identify vendors with high accuracy and observe interesting patterns in rare motifs, such as temporal cycles. We believe that the analysis, datasets, and lessons from this work will be beneficial for future research on financial transaction networks.
• Abstract（参考訳）: 個人間の金融取引のダイナミクスを理解することは、不正検出などの様々な応用に欠かせない。 金融取引ネットワークの重要な側面は時間性である。 トランザクションの順序と繰り返しは、グラフ構造内で考慮された場合、新たな洞察を与えることができます。 短時間で相互に相互作用するノードの集合として定義される時間的モチーフは、この文脈において有望なツールである。 本稿では、オンラインマーケットプレイスMercuriでの取引、J.P. Morgan Chaseが生み出した合成ネットワークでの支払い、Venmoユーザー間の支払いと友情の3つのユニークな時間的金融ネットワークについて検討する。 本稿では,MercuriおよびJ.P. Morgan Chaseネットワークにおける不正検出問題について考察する。 従来の手法では単純なグラフ特徴と2つのノード埋め込み技術 (LINE と node2vec) を考慮し,実行時性能の面では実用的であった。 本稿では、Venmoネットワークにおいて、友情予測、ベンダー識別、時間サイクルの分析という3つの課題における経済的・社会的関係の相互作用について検討する。 友情の予測では、時相のモチーフはジャカードやアダム・アダル測度のような一般的なヒューリスティックよりも良い結果をもたらす。 また、ベンダーを高い精度で識別し、時間サイクルのようなまれなモチーフで興味深いパターンを観察することができます。 この研究から得られた分析、データセット、教訓は、将来の金融取引ネットワークの研究にとって有益であると考えています。

関連論文リスト

• TeMP-TraG: Edge-based Temporal Message Passing in Transaction Graphs [1.79424680938667]
  トランザクショングラフは、マネーロンダリングや詐欺といった金融犯罪のパターンを明らかにすることができる。 本稿では,時間的ダイナミクスをメッセージパッシングに組み込んだ新しいグラフニューラルネットワーク機構TeMP-TraGを提案する。 我々は、TeMP-TraGが4つの最先端グラフニューラルネットワークを平均6.19%改善できることを実証した。
  論文  参考訳（メタデータ） (2025-03-21T07:10:27Z)
• FinTSB: A Comprehensive and Practical Benchmark for Financial Time Series Forecasting [58.70072722290475]
  ファイナンシャル・タイム・シリーズ(FinTS)は、人間の脳を増強した意思決定の行動を記録する。 FinTSBは金融時系列予測のための総合的で実用的なベンチマークである。
  論文  参考訳（メタデータ） (2025-02-26T05:19:16Z)
• Dynamic Fraud Detection: Integrating Reinforcement Learning into Graph Neural Networks [39.54354926067617]
  グラフニューラルネットワークは、グラフ構造内の対話的関係を利用することができるディープラーニングモデルの一種である。 不正行為は取引のごく一部に過ぎません 詐欺師はしばしば 行動を偽装する 最終予測結果に 悪影響を及ぼす可能性がある
  論文  参考訳（メタデータ） (2024-09-15T23:08:31Z)
• Attention-based Dynamic Multilayer Graph Neural Networks for Loan Default Prediction [4.0990577062436815]
  グラフニューラルネットワークとリカレントニューラルネットワークから構築した動的多層ネットワークを利用した信用リスク評価モデルを提案する。 我々は、米国住宅ローン金融業者のFreddie Macが提供したデータセットを用いて、行動信用評価の文脈で方法論を検証した。
  論文  参考訳（メタデータ） (2024-02-01T03:20:53Z)
• Topology-Agnostic Detection of Temporal Money Laundering Flows in Billion-Scale Transactions [0.03626013617212666]
  本稿では,シーケンシャルトランザクションの時間グラフを効率的に構築するフレームワークを提案する。 我々は,不審な取引フローを検出するための2つの最先端ソリューションに対するフレームワークのスケーラビリティと有効性を評価する。
  論文  参考訳（メタデータ） (2023-09-24T15:11:58Z)
• TimeTrail: Unveiling Financial Fraud Patterns through Temporal Correlation Analysis [0.0]
  本研究では、時間的相関分析を利用して複雑な金融詐欺パターンを説明する新しい手法「TimeTrail」を紹介する。 時間的データ豊か化、動的相関分析、解釈可能なパターン可視化の3つの重要なフェーズで構成されている。 その結果, 時間的相関やパターンを隠蔽し, 精度と解釈可能性の両面で従来の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-27T22:27:57Z)
• Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
  本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。 ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-11T07:48:39Z)
• Evidential Temporal-aware Graph-based Social Event Detection via Dempster-Shafer Theory [76.4580340399321]
  ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。 ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。 ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
  論文  参考訳（メタデータ） (2022-05-24T16:22:40Z)
• Multi-head Temporal Attention-Augmented Bilinear Network for Financial time series prediction [77.57991021445959]
  本稿では,時間的注意と多面的注意の考え方に基づいて,ニューラルネットワークの能力を拡張するニューラルネットワーク層を提案する。 本手法の有効性を,大規模書籍市場データを用いて検証した。
  論文  参考訳（メタデータ） (2022-01-14T14:02:19Z)
• Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
  本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。 評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。 欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
  論文  参考訳（メタデータ） (2021-08-19T15:39:52Z)
• 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)
• Learning to Extrapolate Knowledge: Transductive Few-shot Out-of-Graph Link Prediction [69.1473775184952]
  数発のアウトオブグラフリンク予測という現実的な問題を導入する。 我々は,新しいメタ学習フレームワークによってこの問題に対処する。 我々は,知識グラフの補完と薬物と薬物の相互作用予測のために,複数のベンチマークデータセット上でモデルを検証した。
  論文  参考訳（メタデータ） (2020-06-11T17:42:46Z)
• 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。