ID2Pattern：面向交易风险基础模型的身份行为模式预训练

ID2Pattern 用身份行为模式替代身份值编码，提升交易风险预测。

资讯摘要

论文提出 ID2Pattern 预训练框架，用于在线支付交易风险基础模型。针对卡号、设备、账户等高基数身份字段词表持续增长、语义有限的问题，该方法先用 Local Anonymous ID（LAID）分词器编码身份在序列中的出现与复现方式，再在无标注序列上预训练多尺度模式码本，将 LAID 序列抽象为离散行为模式供下游预测。作者报告在超 1 亿条序列的工业数据集和六个公开数据集上均优于强基线，平均提升分别为 4.13% 和 8.83%，且训练中身份值全部未见过时仍有效。

要点速读

1. 论文提出 LAID 分词器，按身份在交易序列中的出现与复现方式编码，不依赖具体身份值。
2. 在无标注序列上预训练多尺度模式码本，把 LAID 序列抽象为离散行为模式。
3. 作者报告工业数据集提升 4.13%、公开数据集平均提升 8.83%，身份值全部未见过时仍有效。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。