基于图神经网络的提示式微调的凭证滥用检测
摘要：优惠券滥用检测是电子商务中一个重要的异常检测问题。虽然出现了许多基于GNN的解决方案，但有监督的范式依赖于大量的标记数据。一种流行的替代方法是采用自监督的预训练，使用无标签的数据，并进一步在有限标签的下游任务上进行微调。然而，“预训练，微调”的范式通常受到预训练和下游任务之间目标差异的困扰。因此，我们提出了一种名为VPGNN的基于GNN的提示型微调框架，用于优惠券滥用检测。我们设计了一种新颖的图提示函数，将下游任务重新形成与预训练中的假设任务类似的模板，从而缩小了目标差距。在专有数据集和公共数据集上进行了大量实验，证明了VPGNN在少样本和半监督场景下的优势。此外，在生产环境中的在线部署显示，VPGNN相比于其他两个已部署模型有23.4\%的改进。
作者：Zhihao Wen, Yuan Fang, Yihan Liu, Yang Guo, Shuji Hao
论文ID：2308.10028
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-08-31