Representation learning with a transformer by contrastive learning for money laundering detection
用于洗钱检测的 Transformer 对比学习表示AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究反洗钱表示学习与检测，虽使用时间序列，但未明确涉及宏观序列、收益预测或尾部系统性风险，归类证据不足。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
用于洗钱检测的 Transformer 对比学习表示
- 研究问题
- 如何从包含定性和定量信息的结构化时间序列中学习洗钱特征，以较少专家监督完成检测，并控制错误报警？
- 方法与思路
- 作者先用 Transformer 和无标签对比学习获取序列表示，再生成洗钱评分，最后结合双阈值规则与 BH 程序进行检测。
- 材料陈述的贡献
- 摘要称，该表示能捕捉洗钱模式，实验中的检测表现优于规则和 LSTM 方法，并声称可控制假阳性率。
- 阅读关注点
- 应核对对比样本构造、评分与阈值校准、测试集划分，以及 BH 控制的错误发现率与摘要所称假阳性率是否严格区分。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明检验量构造和依赖条件，不能仅凭 BH 名称确认假阳性率受控。
原文摘要
The present work tackles the money laundering detection problem. A new procedure is introduced which exploits structured time series of both qualitative and quantitative data by means of a transformer neural network. The first step of this procedure aims at learning representations of time series through contrastive learning (without any labels). The second step leverages these representations to generate a money laundering scoring of all observations. A two-thresholds approach is then introduced, which ensures a controlled false-positive rate by means of the Benjamini-Hochberg (BH) procedure. Experiments confirm that the transformer is able to produce general representations that succeed in exploiting money laundering patterns with minimal supervision from domain experts. It also illustrates the higher ability of the new procedure for detecting nonfraudsters as well as fraudsters, while keeping the false positive rate under control. This greatly contrasts with rule-based procedures or the ones based on LSTM architectures.