[IJCAI 2023]Fighting against Organized Fraudsters Using Risk Diffusion-based Parallel Graph Neural Network

文章设计了一种基于社区的医疗保险欺诈行为检测。

模型

为了提高精度，模型设计了一组异构图模型和一组同构图模型。

输入的异构图是保险受益人-医疗服务提供者的图，边表示索赔。输入的同构图是索赔-索赔关系图，将拥有相同受益人、医疗服务者的索赔相连。

该异构图其实是二部图。每一层，都会计算每个点的邻居以及索赔对自己的注意力系数，并聚合。这一步不会计算索赔对自己的注意力，但是计算索赔时，会除以相同两点之间的索赔数，并乘以两点的attention。然后三个结果相加就是最后结果。新的边特征会使用上一层的点、边特征做映射。

这部分使用的是将边视作点的同构图。
风险扩散：

\[Risk_{ij} = \frac{sim(v^c_i, v^c_j)}{\gamma \cdot hop_ij} \]

得到的邻接矩阵归一后得到\(R_c\)，将该邻接矩阵用于PageRank扩散已有的标签，从而得到一个扩展标签后的图，再将他用于pre-train（GCN）。该模型的输出经过一个MLP后能得到风险表征。

点边点风险预测四个表征拼接，过MLP得到预测，交叉熵得到loss。