從往來物件判斷一筆交易——EXL 的 Somya Rai 與 MD Sharique

同一筆交易，可能得到 0.04 分，也可能得到 0.91 分，差別只在模型看不看得到它的鄰域。這正是 EXL 兩位實務專家在這場 20 分鐘技術演講中的核心示範——AI 工程副總 Somya Rai 與首席 AI 架構師 MD Sharique 主張，詐欺不是某一筆交易資料列的屬性，而是它所處圖網路的屬性。他們的說法是：在既有的 XGBoost 模型上加入一組由 GraphSAGE 衍生的嵌入向量（embedding），在固定警示預算下，真陽率（TPR）相對提升 27–33%；換算到兩個信用卡產品組合，推估每年可多攔截約 6,500 萬美元的詐欺金額，而推論延遲 p99 僅 3.1 毫秒。