← नवीनतम पेपर
🤖 AI

Let Relations Speak: An End-to-End LLM-GNN Soft Prompt Framework for Fraud Detection

यह शोध पत्र LLM-GNN सॉफ्ट प्रॉम्प्ट फ्रेमवर्क (LGSPF) का प्रस्ताव करता है, जो एक एंड-टू-एंड दृष्टिकोण है जो टेक्स्ट की कमी और फीचर डिस्टॉर्शन (feature distortion) को दूर करने के लिए सॉफ्ट प्रॉम्प्ट्स और एक समानांतर GNN एनकोडर का उपयोग करके ग्राफ संरचनाओं और सिमेंटिक स्पेस के बीच सेतु बनाता है, जिससे मल्टी-रिलेशनल फ्रॉड डिटेक्शन में स्टेट-ऑफ-द-आर्ट प्रदर्शन और उन्नत व्याख्यात्मकता प्राप्त होती है।

मूल लेखक: Zhixing Zuo, Huilin He, Jiasheng Wu, Dawei Cheng

प्रकाशित 2026-05-28
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Zhixing Zuo, Huilin He, Jiasheng Wu, Dawei Cheng

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ "Let Relations Speak: An End-to-End LLM-GNN Soft Prompt Framework for Fraud Detection" पेपर का सरल भाषा और रचनात्मक उपमाओं (analogies) के साथ विवरण दिया गया है।

बड़ी समस्या: "मौन" ग्राफ (The "Silent" Graph)

कल्पना कीजिए कि आप एक धोखेबाज को पकड़ने की कोशिश कर रहे हैं एक जासूस हैं। आमतौर पर, आपके पास नोट्स, ईमेल और चैट लॉग्स (टेक्स्ट) की एक फाइल होती है जो बताती है कि क्या हुआ था। लेकिन वित्तीय धोखाधड़ी (financial fraud) की दुनिया में, गोपनीयता कानूनों के कारण अक्सर आपके पास वे नोट्स नहीं होते। आपके पास केवल संख्याओं का एक विशाल जाल होता है: "ट्रांजैक्शन A दोपहर 2:00 बजे हुआ," "यूजर B ने आइटम C खरीदा," "वे एक-दूसरे से 5 मील दूर हैं।"

इसे ही पेपर में Weak-TAG (Weak Text-Attributed Graph) कहा गया है। यह बिना किसी शब्दों के जुड़ावों का एक जाल है।

दुविधा:

  • पुराना AI (GNNs): ये गणित के जादूगरों की तरह हैं। ये संख्याओं के जाल को देखने और पैटर्न खोजने में बहुत अच्छे हैं, लेकिन वे यह बताने में बहुत खराब हैं कि कोई चीज़ संदिग्ध क्यों है। वे "ब्लैक बॉक्स" हैं।
  • नया AI (LLMs): ये उन प्रतिभाशाली जासूसों की तरह हैं जो पढ़ सकते हैं, तर्क कर सकते हैं और अपने विचारों को समझा सकते हैं। लेकिन वे कहानियाँ और वाक्य पढ़ने के आदी हैं। यदि आप उन्हें कच्चे नंबरों की दीवार खिलाते हैं, तो वे भ्रमित हो जाते हैं। वे उन नंबरों को शब्दों में बदलने की कोशिश करते हैं (जैसे "संख्या 45.23..."), जिससे अर्थ टूट जाता है और वे मूल बात खो देते हैं।

समाधान: LGSPF (द "साइलेंट ट्रांसलेटर")

लेखकों ने LGSPF नामक एक नया सिस्टम प्रस्तावित किया है। इसे एक यूनिवर्सल ट्रांसलेटर के रूप में सोचें जो "मैथ विजार्ड" (GNN) को "ब्रिलियंट डिटेक्टिव" (LLM) से जोड़ता है, बिना नंबरों को बोझिल शब्दों में बदलने के दबाव के।

यह कैसे काम करता है, चरण-दर-चरण यहाँ दिया गया है:

1. समानांतर टीम (The GNN Encoder)

कल्पना कीजिए कि धोखाधड़ी के जाल में अलग-अलग प्रकार के कनेक्शन हैं: "एक ही क्रेडिट कार्ड," "एक ही IP एड्रेस," और "एक ही स्थान।"

  • पुराना तरीका: आप इन सभी कनेक्शनों को एक बड़े ढेर में मिला सकते हैं।
  • LGSPF का तरीका: यह विशेषज्ञ स्काउट्स की एक टीम (Parallel GNNs) को काम पर लगाता है।
    • स्काउट A केवल "एक ही क्रेडिट कार्ड" वाले कनेक्शनों को देखता है।
    • स्काउट B केवल "एक ही स्थान" वाले कनेक्शनों को देखता है।
    • स्काउट C केवल "एक ही IP" वाले कनेक्शनों को देखता है।
    • प्रत्येक स्काउट संदिग्ध के लिए एक अनूठा "रिपोर्ट कार्ड" (एम्बेडिंग) बनाता है, जो केवल उनके विशिष्ट प्रकार के कनेक्शन पर आधारित होता है। यह सुनिश्चित करता है कि कोई भी विवरण खो न जाए।

2. "सॉफ्ट" हैंडशेक (Soft Prompt)

यह इस पेपर की सबसे रचनात्मक ट्रिक है।

  • कठिन तरीका (जो दूसरे करते हैं): LLM को एक वाक्य पढ़ने के लिए मजबूर करना जैसे: "यूजर के 3 पड़ोसी हैं, जिनमें से 2 धोखाधड़ी करने वाले हैं, और दूरी 5.4 मील है।" यह एक पेंटिंग का वर्णन करने के लिए उसके हर पिक्सेल के हेक्स कोड को सूचीबद्ध करने जैसा है। यह अव्यवस्थित है और इसका मूल भाव खो जाता है।
  • LGSPF का तरीका (Soft Prompt): शब्दों के बजाय, सिस्टम अदृश्य, जादुई टोकन (जैसे गुप्त हैंडशेक) बनाता है।
    • यह डिटेक्टिव से कहता है: "यहाँ 'क्रेडिट कार्ड' पैटर्न का प्रतिनिधित्व करने वाला एक गुप्त टोकन है, और यहाँ 'लोकेशन' पैटर्न का एक गुप्त टोकन है।"
    • ये टोकन शब्द नहीं हैं; ये पैटर्न के सीधे, उच्च-गुणवत्ता वाले गणितीय सारांश हैं।
    • LLM को नंबरों को "पढ़ने" की ज़रूरत नहीं है; वह इन टोकनों के माध्यम से पैटर्न को बस "महसूस" कर सकता है। यह डिटेक्टिव को फोटो के लिखित विवरण के बजाय सबूत की एक हाई-रिज़ॉल्यूशन फोटो देने जैसा है।

3. संयुक्त प्रशिक्षण (End-to-End Optimization)

आमतौर पर, आप पहले मैथ विजार्ड को प्रशिक्षित करते हैं, फिर परिणाम डिटेक्टिव को सौंप देते हैं। यदि विजार्ड गलती करता है, तो डिटेक्टिव उसे ठीक नहीं कर सकता।

  • LGSPF का तरीका: वे पूरी टीम को एक साथ प्रशिक्षित करते हैं।
    • डिटेक्टिव (LLM) सबूत देखता है और कहता है, "मुझे यकीन नहीं है कि यह धोखाधड़ी है।"
    • सिस्टम उस फीडबैक को वापस स्काउट्स (GNNs) तक भेजता है।
    • स्काउट्स डिटेक्टिव के लिए स्पष्ट बनाने के लिए अपनी रिपोर्टों को एडजस्ट करते हैं।
    • वे तब तक ऐसा करते रहते हैं जब तक कि वे पूरी तरह से तालमेल में न आ जाएं। इसे End-to-End Optimization कहा जाता है।

यह क्यों महत्वपूर्ण है (परिणाम)

लेखकों ने तीन वास्तविक दुनिया के धोखाधड़ी डेटासेट्स (Amazon reviews, Yelp reviews, और सिम्युलेटेड क्रेडिट कार्ड ट्रांजैक्शन) पर इसका परीक्षण किया।

  • प्रतिस्पर्धा: पारंपरिक गणित-आधारित AI ठीक-ठाक था। "हार्ड प्रॉम्प्ट" वाले LLMs (जिन्होंने नंबरों को शब्दों में बदलने की कोशिश की) बुरी तरह विफल रहे क्योंकि वे टेक्स्ट की कमी से भ्रमित हो गए थे।
  • विजेता: LGSPF सभी से आगे निकला। इसने न केवल बेहतर अनुमान लगाया; बल्कि इसने संख्याओं के बीच के संबंधों को बहुत गहराई से समझा।
  • "अहा!" क्षण: क्योंकि इसमें LLM शामिल है, सिस्टम वास्तव में यह समझा सकता है कि उसे क्यों लगता है कि कुछ धोखाधड़ी है। यह धोखाधड़ी का पता लगाने को "ब्लैक बॉक्स" (हमें पता है कि यह धोखाधड़ी है, लेकिन हम नहीं जानते क्यों) से बदलकर "व्यवहार पहचान" (हमें पता है कि यह धोखाधड़ी है क्योंकि यूजर एक ज्ञात स्कैमर पैटर्न की तरह व्यवहार कर रहा है) में ले जाता है।

सारांश उपमा (Summary Analogy)

कल्पना कीजिए कि आप भीड़ भरे कमरे में एक चोर की पहचान करने की कोशिश कर रहे हैं।

  • पुराने GNNs एक सुरक्षा कैमरे की तरह हैं जो हलचल तो देखते हैं लेकिन यह नहीं बता सकते कि व्यक्ति इसलिए भाग रहा है क्योंकि वह देर से आया है या इसलिए क्योंकि वह चोरी कर रहा है।
  • पुराने LLMs एक ऐसे जासूस की तरह हैं जिसे एक लिखित पुलिस रिपोर्ट की आवश्यकता होती है। यदि आप उन्हें निर्देशांकों (coordinates) की एक सूची देते हैं, तो वे खो जाते हैं।
  • LGSPF एक टेलीपैथिक लिंक की तरह है। यह कैमरे से कच्चे विजुअल डेटा को लेता है, उसे तुरंत एक ऐसे "एहसास" में अनुवादित करता है जिसे जासूस समझ सके, और जासूस को अपने दिमाग का उपयोग करके यह कहने की अनुमति देता है, "वह व्यक्ति एक सामान्य ग्राहक की तुलना में बहुत तेज़ भाग रहा है; वह चोरी कर रहा है।"

पेपर का दावा है कि जब आपके पास डेटा हो लेकिन टेक्स्ट न हो, तो धोखाधड़ी का पता लगाने के लिए यह तरीका नया स्टेट-ऑफ-द-आर्ट है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.AI →