每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

超越服务前视野：融入服务中行为以改善财务风险预测

Created by
  • Haebom

作者

刘森豪、郭志宇、季志远、陈跃国、唐亚腾、王云海、郑学豪、敖翔

大纲

本文提出了多粒度知识蒸馏（MGKD）框架，这是一个将事前风险评估和在役违约检测相结合的金融风险管理新框架。MGKD旨在利用在役用户行为数据来提升事前风险预测性能。它遵循知识蒸馏的概念，即使用在役数据训练的教师模型监督使用预训练数据训练的学生模型。它通过多粒度蒸馏策略（包括粗粒度、细粒度和自蒸馏）来对齐教师模型和学生模型的表示和预测。此外，还采用了重新加权策略来减轻模型对少数类的偏差。使用腾讯移动支付的大规模真实数据集进行的实验结果证明了该方法在线下和线上环境下的有效性。

Takeaways，Limitations

•
Takeaways：
◦
通过整合预先风险评估和在役违约检测步骤，提高了预先风险预测的准确性。
◦
通过多粒度知识提炼策略有效地将知识从教师模型转移到学生模型。
◦
应用重新加权策略来减轻少数群体偏见。
◦
通过使用实际大规模数据集的实验结果验证该方法的有效性。
•
Limitations：
◦
仅展示特定移动支付数据集的实验结果；需要进一步研究以确定其对其他金融服务或数据集的普遍性。
◦
缺乏对 MGKD 框架的计算成本和复杂性的分析。
◦
缺乏对所采用的重新加权策略的优化以及与其他策略的比较分析。
◦
缺乏对教师模型可靠性的验证和管理方法的探讨。
👍
Made with Slashpage