详细内容或原文请订阅后点击阅览

在亚马逊基岩知识库上与GraphRag的战斗财务欺诈

2025年7月8日 16:10 33 Comments
X Twitter Instagram Mail

在这篇文章中，我们展示了如何使用Amazon Neptune Analytics使用Amazon Bedrock知识库来构建财务欺诈检测解决方案。

来源:亚马逊云科技 _机器学习
财务欺诈检测对银行不仅重要，而且至关重要。随着全球欺诈损失每年超过400亿美元，而复杂的犯罪网络不断发展其战术，金融机构将面临越来越复杂的威胁格局。当今的欺诈计划跨多个帐户，机构和渠道运作，创建专门设计用于逃避检测系统的复杂网站。财务机构在检测能力方面投入了大量投资，但核心挑战仍然存在：如何连接dots of the of the of the of the the Insperions ofsive of the Insplations of the Inspections of the Insply的关系，但我们之间的关系不存在。 Amazon Neptune Analytics的GraphRag构建财务欺诈检测解决方案。近年来传统的RAG Systems的局限性，检索增强发电（RAG）已成为建立以组织知识为基础的AI系统的有前途的方法。但是，基于抹布的传统系统在复杂的财务欺诈检测方面存在局限性。基本限制在于传统的抹布处理信息的方式。标准抹布检索和过程将块作为孤立的单位记录，寻找查询和单个文本段落之间的语义相似性。这种方法可以很好地用于直接信息检索，但是在以下情况下差不多：证据分布在多个文档和系统之间，实体之间的联系比实体本身之间的联系更重要，需要多跳的关系链，需要多跳的推理背景（例如层次结构文件）（例如层次结构文件）（例如层次结构文件）在跨越的电话号码跨越了跨越的电话，请访问一定的范围，请访问一定的范围。给另一个客户和该客户
信息检索 抹布 一定的 方面 相似性 系统的 复杂的 局限性 不存在 层次结构 财务 RAG 存在 跨越 金融机构 基础的 检测系统 检索 信息的 检测 有前途的 欺诈 传统的