論文の概要: LLM-Enhanced Heterogeneous Graph Learning with Business Semantics for Financial Fraud Detection

• arxiv url: http://arxiv.org/abs/2610.35298v1
• Date: Mon, 26 Oct 2026 12:03:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.914512
• Title: LLM-Enhanced Heterogeneous Graph Learning with Business Semantics for Financial Fraud Detection
• Title（参考訳）: 財務欠陥検出のためのビジネスセマンティクスを用いたLLM強化不均質グラフ学習
• Abstract要約: 金融詐欺検出は不均一な取引グラフに依存している。 本稿では,構造的属性をエンティティの役割に応じて解釈するフレームワークSemHGTを提案する。 本稿では,SemHGTがほとんどのデータセット比較において評価基準線を導いていることを示す。
• 参考スコア（独自算出の注目度）: 13.002851984467158
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Financial fraud detection increasingly relies on heterogeneous transaction graphs, in which entities such as cards and merchants play distinct business roles and the risk meaning of an attribute depends on the entity's role: a high transaction volume may be routine for a merchant but unusual for a card. Heterogeneous graph neural networks preserve typed entities and relations but typically treat these attributes as role-agnostic inputs and leave their business meaning implicit. Meanwhile, most existing methods integrating large language models (LLMs) with graphs focus on homogeneous graphs or heterogeneous graphs with naturally available textual attributes, leaving their use on transaction graphs with structured attributes underexplored. To address this issue, we propose SemHGT, an LLM-enhanced framework that interprets structured attributes according to entity roles and makes the business semantics explicit in three stages: (1) role-aware prompts elicit risk-related business descriptions from node attributes, and a text encoder maps them to semantic vectors that enrich node representations; (2) semantic similarity guides multi-round sampling of target-specific path instances under transaction-to-transaction schemas; (3) schema-level tokens that combine local path evidence with global neighbor summaries are processed together with the target transaction by a unified transformer. Across three benchmark datasets, SemHGT leads the evaluated baselines on most dataset--metric comparisons. Further analyses provide additional evidence for the effectiveness of SemHGT's design and clarify how its semantic modeling and evidence selection contribute to fraud detection. Code is available at https://anonymous.4open.science/r/SemHGT-528A/.
• Abstract（参考訳）: 金融詐欺の検出は不均一な取引グラフにますます依存しており、カードや商店などのエンティティが異なるビジネスの役割を担い、属性のリスクの意味がエンティティの役割に依存する。 不均一グラフニューラルネットワークは型付きエンティティと関係を保存するが、一般的にこれらの属性をロールに依存しない入力として扱い、ビジネスの意味を暗黙的に残す。 一方、大きな言語モデル(LLM)をグラフと統合する既存のほとんどの手法は、自然に利用可能なテキスト属性を持つ均質グラフや異質グラフに焦点を合わせ、構造化属性が不足しているトランザクショングラフにその使用を残している。 この問題を解決するために,(1)役割認識がノード属性からリスク関連ビジネス記述を抽出し,テキストエンコーダがノード表現を豊かにするセマンティックベクタにそれらをマッピングする,(2)トランザクション・トゥ・トランザクショナル・スキーマの下で,ターゲット固有のパスインスタンスをマルチラウンドでサンプリングする,(3)ローカルパスのエビデンスと近隣のサマリを結合したスキーマレベルのトークンを統合トランスフォーマーで対象トランザクションと共に処理する,という3つの段階において,構造化属性をエンティティロールに従って解釈し,ビジネスセマンティクスを明示する,LLM拡張フレームワークであるSemHGTを提案する。 3つのベンチマークデータセットで、SemHGTは、ほとんどのデータセットの比較で評価されたベースラインをリードする。 さらに,SemHGTの設計の有効性を検証し,セマンティックモデリングとエビデンス選択が不正検出にどのように寄与するかを明らかにする。 コードはhttps://anonymous.4open.science/r/SemHGT-528A/で入手できる。

関連論文リスト

• Multi-Agent Agentic Graph Learning via Structural Signatures [15.798786167030853]
  エージェントグラフ学習(AGL)は近年,グラフ推論タスクにおいて有望な結果を達成している。 既存のメソッドでは、単一のエージェントを使用するか、複数のロールベースのエージェントを編成して、グラフ全体を推論し、学習する。 本稿では,マルチエージェントエージェントグラフ学習(MAAGL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-09T00:43:45Z)
• OWLEYE: Zero-Shot Learner for Cross-Domain Graph Data Anomaly Detection [48.77471686671269]
  OWLEYEは、複数のグラフから正常な振る舞いの伝達可能なパターンを学習する新しいフレームワークである。 OWLEYEは最先端のベースラインに比べて性能と一般化性が優れていることを示す。
  論文  参考訳（メタデータ） (2026-01-27T02:08:18Z)
• LMAE4Eth: Generalizable and Robust Ethereum Fraud Detection by Exploring Transaction Semantics and Masked Graph Embedding [10.923718297125754]
  LMAE4Ethは、トランザクションセマンティクス、マスキンググラフの埋め込み、専門家の知識を融合する多視点学習フレームワークである。 まず、文脈に依存しない数値トランザクションレコードを結合型言語表現に変換するトランザクション型コントラスト言語モデル(TxCLM)を提案する。 次に、生成自己教師付き学習を用いたマスク付きアカウントグラフオートエンコーダ(MAGAE)を提案する。
  論文  参考訳（メタデータ） (2025-09-04T06:56:32Z)
• AGENTICT$^2$S:Robust Text-to-SPARQL via Agentic Collaborative Reasoning over Heterogeneous Knowledge Graphs for the Circular Economy [42.73610751710192]
  AgenticT$2$Sは、知識グラフを専門エージェントが管理するサブタスクに分解するフレームワークである。 2段階検証器は、構造的に無効で意味的に不特定なクエリを検出する。 実世界の循環経済の実験では、AgenticT$2$Sが実行精度を17.3%向上することを示した。
  論文  参考訳（メタデータ） (2025-08-03T15:58:54Z)
• Full Triple Matcher: Integrating all triple elements between heterogeneous Knowledge Graphs [0.09471093245585005]
  知識グラフ(KG)は構造化情報の表現と推論のための強力なツールである。 現在のアプローチは、多様で複雑なコンテキストを統合する必要があるシナリオでは不足する可能性がある。 ラベルマッチングと3重マッチングからなる新しいKG積分法を提案する。
  論文  参考訳（メタデータ） (2025-07-20T07:46:55Z)
• Knowledge Graph Completion with Relation-Aware Anchor Enhancement [50.50944396454757]
  関係認識型アンカー強化知識グラフ補完法(RAA-KGC)を提案する。 まず、ヘッダーのリレーショナル・アウェア・エリア内でアンカー・エンティティを生成します。 次に、アンカーの近傍に埋め込まれたクエリを引っ張ることで、ターゲットのエンティティマッチングに対してより差別的になるように調整する。
  論文  参考訳（メタデータ） (2025-04-08T15:22:08Z)
• Web-Scale Visual Entity Recognition: An LLM-Driven Data Approach [56.55633052479446]
  Webスケールのビジュアルエンティティ認識は、クリーンで大規模なトレーニングデータがないため、重大な課題を呈している。 本稿では,ラベル検証,メタデータ生成,合理性説明に多モーダル大言語モデル(LLM)を活用することによって,そのようなデータセットをキュレートする新しい手法を提案する。 実験により、この自動キュレートされたデータに基づいてトレーニングされたモデルは、Webスケールの視覚的エンティティ認識タスクで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2024-10-31T06:55:24Z)
• Unleashing the Potential of Text-attributed Graphs: Automatic Relation Decomposition via Large Language Models [31.443478448031886]
  RoSE (Relation-oriented Semantic Edge-Decomposition) は、生のテキスト属性を分析してグラフ構造を分解する新しいフレームワークである。 我々のフレームワークは、さまざまなデータセットのノード分類性能を大幅に向上させ、ウィスコンシンデータセットでは最大16%の改善を実現した。
  論文  参考訳（メタデータ） (2024-05-28T20:54:47Z)
• Exploiting Contextual Target Attributes for Target Sentiment Classification [53.30511968323911]
  TSCの既存のPTLMベースモデルは、1)PTLMをコンテキストエンコーダとして採用した微調整ベースモデル、2)テキスト/単語生成タスクに分類タスクを転送するプロンプトベースモデル、の2つのグループに分類される。 我々は,PTLM を TSC に活用する新たな視点として,言語モデリングと文脈的ターゲット属性による明示的ターゲットコンテキスト相互作用の利点を同時に活用する。
  論文  参考訳（メタデータ） (2023-12-21T11:45:28Z)
• Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product Retrieval [152.3504607706575]
  本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。 まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。 我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
  論文  参考訳（メタデータ） (2022-06-17T15:40:45Z)
• Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
  グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。 本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
  論文  参考訳（メタデータ） (2021-01-16T16:18:43Z)

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。