FEGAT:一种特征增强的图注意力网络OA
针对传统图神经网络很难处理大规模的复杂数据,对网络中节点和边的特征以及二者之间的联系难以完全利用的问题,提出一种特征增强的图注意力网络(FEGAT).该方法先将数据建模为节点与边的有向图,然后设计带有注意力机制的图神经网络模型,通过边特征加权与注意力系数动态聚合邻居节点信息,并采用多维边特征独立加权与并行拼接策略融合多维边特征,最后结合XGBoost算法完成节点分类.为验证模型的有效性,在反洗钱数据集AMLSim上进行实验,结果表明,该模型在不平衡数据场景下,精准率、召回率及F_(1)分数均得到显著提升.
张晨玉;仲洋;张蕾;魏金辉;曹梦萱;韩霄松
吉林大学软件学院,长春130012中国电力工程顾问集团东北电力设计院有限公司企业发展部,长春130021吉林大学发展规划处,长春130012中国石油天然气股份有限公司华北油田分公司,河北霸州065700吉林大学软件学院,长春130012吉林大学软件学院,长春130012
信息技术与安全科学
图神经网络注意力机制图表示学习洗钱检测
《吉林大学学报(理学版)》 2026 (4)
P.809-815,7
国家自然科学基金(批准号:62372494)吉林省科技发展计划项目(批准号:20220201145GX)。
评论