论文
让关系发声：面向欺诈检测的端到端LLM-GNN软提示框架
Let Relations Speak: An End-to-End LLM-GNN Soft Prompt Framework for Fraud Detection
摘要
近年来，大语言模型（LLM）在处理欺诈检测等图任务上展现出强大能力。然而，现有方法大多严重依赖丰富的文本属性，而该领域因缺乏文本数据而面临困难。尽管一些开创性方法试图克服这一点，但其通过硬提示对图结构进行文本化的方式容易导致特征失真。此外，欺诈检测常呈现多关系复杂性，现有方法难以捕捉这种深层语义信息。为应对这些挑战，我们提出LLM-GNN软提示框架（LGSPF）。具体而言，LGSPF利用软提示连接图结构与语义空间，从而消除对文本的依赖。我们进一步引入并行的图神经网络（GNN）编码器，将多关系拓扑转化为图词元，供LLM细粒度理解欺诈。通过端到端优化，LGSPF增强了LLM与GNN之间的深层语义对齐。在多个欺诈检测基准上的实验表明，我们的方法取得最先进性能。此外，我们进一步验证了LGSPF在增强欺诈行为语义可解释性方面的贡献。
