大创原型系统

参考项目：

https://github.com/ZhouShichan/Financial-anomaly-detection
https://github.com/Zhu-Shatong/DynamicSocialNetworkFraudDetection https://github.com/DGraphXinye/2022_finvcup_baseline

项目算法：

• 我们这个项目研究主题是使用图神经网络研究社交网络的变化
• 具体来讲，我们选用了金融领域的社交数据集（DGraph：一个金融领域的难样本分类数据集），使用了图神经网络的经典模型（GCN、GraphSAGE）和新型的图神经网络模型（GEARSage）,来完成图异常检测任务。
• 我们对3个模型在DGraph数据集上做了完整训练与验证，验证指标为准确率和AUC。（使用模型：http://10.29.16.132:8000/Fin/1/）。
• 实验不足：对单样本分类依旧困难，只有群体聚合的分类效果。

项目前端：

• 此外，为了适合大创项目的展示需要，我们使用Django开发框架完成了项目的前后端搭建，有了具体的演示效果
• 产品定位：一个简易的金融交易监控系统
• 实现功能：金融监控仪表盘、异常数据捕获、数分、风险评分、快速预测
• 只有“快速预测”模块实际调用了后端GNN模型，其余功能均为展示效果。