拍拍貸科研再下一城：反欺詐研究成果收錄國際頂級學術會議CIKM2019

　　11月3日-7日，CIKM 2019在中國北京舉行，拍拍貸與浙江大學、加州大學洛杉磯分校(UCLA)聯(lián)合發(fā)表的論文“Understanding Default Behavior in Online Lending”被CIKM 2019錄用，并作為口頭報告(Oral)論文在大會中進行介紹。

　　CIKM(ACM International Conference on Information Knowledge Management)是全世界計算機領域影響力最大的專業(yè)學術組織ACM旗下年度會議，每年聚集全球學術界和工業(yè)界的頂級專家和研究人員，圍繞大數(shù)據(jù)和人工智能的最新進展和研究熱點進行深入探討。據(jù)悉，今年會議投稿數(shù)目遠超上屆，最為嚴格的Research Track長文收錄率僅為19%。

　　首次通過社交網(wǎng)絡驗證不良中介

　　欺詐是金融行業(yè)面臨的嚴峻挑戰(zhàn)。對于借貸業(yè)務而言，用戶欺詐與違約的表像相似，如何更有效地識別欺詐用戶并進行預防是一個很具挑戰(zhàn)性的課題，也受到金融機構的廣泛關注。傳統(tǒng)的反欺詐方式以規(guī)則為主，可以較好地將一些具有明確特征的欺詐分子擋在門外。然而，在殺傷力最為巨大的團伙欺詐中，由于團伙成員各有分工，核心的組織人員往往很愛惜自己的羽毛，表現(xiàn)得很有迷惑性，用常規(guī)方法很難識別。

　　由拍拍貸與浙江大學楊洋老師團隊和加州大學洛杉磯分校孫怡舟老師團隊合作完成的論文“Understanding Default Behavior in Online Lending”，不再把用戶看作孤立的、遵從獨立同分布假設的個體，而是還原了用戶之間的社交網(wǎng)絡關系，構建由千萬節(jié)點組成的復雜網(wǎng)絡，利用網(wǎng)絡結構特性去發(fā)現(xiàn)團伙欺詐中的不同角色和關系，進行有效識別和預防。

　　用戶的社交關系跟是否欺詐很難有直接的關聯(lián)，然而不良中介是團伙欺詐的始作俑者，跟欺詐有直接的關聯(lián)。論文中創(chuàng)造性地引入不良中介這一特殊社會角色作為橋梁，并基于1100萬用戶的大規(guī)模數(shù)據(jù)集，揭示了不良中介不同于逾期用戶和普通用戶的社交網(wǎng)絡特點。這也是就目前所知，第一次從社交網(wǎng)絡特性角度對不良中介的存在進行驗證，并且深入研究這一團伙欺詐關鍵角色在社交結構上區(qū)別于其他用戶的特點。

　　論文還提出了一個全新的半監(jiān)督學習框架——雙任務因子圖模型(如下圖)，對不良中介(y)和違約(z)這兩個高度關聯(lián)的預測目標進行聯(lián)合建模，引入一個傳導因子()來刻畫這兩個任務相互的影響，從而可以通過跟違約用戶的關聯(lián)情況來幫助更好地識別不良中介，通過跟不良中介的關聯(lián)情況來更好地預測可能出現(xiàn)的違約。

　　雙任務因子圖模型

　　拍拍貸AI團隊技術人員表示，這個框架提供了一個很強大的優(yōu)勢：當大量缺失其中一個預測目標標簽數(shù)據(jù)的時候，可以通過另一個關聯(lián)的任務對該任務進行增強。由于不良中介的標簽往往依賴反欺詐專家進行調(diào)查來獲取，十分昂貴，而這個框架可以在幾乎沒有已知不良中介標簽的情況下實現(xiàn)對這一隱藏身份的有效識別，并且?guī)椭�提升對違約的預測。

　　據(jù)了解，該文工作的有效性在多個實驗中得到了驗證，并且作為拍拍貸明鏡反欺詐系統(tǒng)的重要一環(huán)已逐步投入實際業(yè)務應用，大大提升了反欺詐的有效性和效率。

　　創(chuàng)新算法提升復雜網(wǎng)絡表示學習質(zhì)量

　　此外，由同一團隊推出的另一篇論文“A Unified Network Embedding Algorithm for Multi-type Similarity Measures”中的工作也將在CIKM workshop GRLA上進行介紹。

　　據(jù)了解，該論文則是關于復雜網(wǎng)絡表示學習，即，將龐大的社交關聯(lián)網(wǎng)中的一個個節(jié)點，描述為向量，并且保持原網(wǎng)絡在結構、語義、鄰近等方面的性質(zhì)。這個向量化的表示一般是復雜網(wǎng)絡存儲和查詢、建模等下游應用的起點，表示學習的質(zhì)量直接影響應用，所以受到廣泛關注。

　　經(jīng)典方法一般采用網(wǎng)絡連通或者結構相似來作為節(jié)點相似的度量標準，而對不滿足這種相似度量的數(shù)據(jù)和應用場景則效果不佳。比如逾期用戶節(jié)點往往具有連通相似的特性，而不良中介往往具有結構相似的特性。

　　拍拍貸研究人員表示，在這篇文章中，提出了一個統(tǒng)一的算法框架，可以靈活學習不同相似度量的重要程度，從而可以方便使用同一套算法來應對不同的下游應用，對業(yè)務工程實踐很友好。

　　作為頭部金融科技平臺，拍拍貸相關研究人員均來自海內(nèi)外頂級高校和知名科技企業(yè)，并擁有來自加州理工大學、加州大學洛杉磯分校、浙江大學等高校的多名教授作為科學顧問，長期保持積極的合作。本次CIKM介紹的2篇論文也展示了幾方良好合作的階段性成果。

　　目前，拍拍貸自研技術已實現(xiàn)業(yè)務流程的全覆蓋，如人臉識別、多場景OCR、聲紋識別等多模態(tài)核身技術，語音識別、意圖識別、語義理解等全流程智能對話機器人技術，基于復雜網(wǎng)絡的不良中介識別和團伙識別技術等。未來，拍拍貸還將在智能投放、精準營銷、核身、反欺詐和智能客服等金融場景推出更多的應用和研究成果。