Temporal Contrastive Transformer for Financial Crime Detection: Self-Supervised Sequence Embeddings via Predictive Contrastive Coding

Der Temporal Contrastive Transformer (TCT) ist ein neuer Rahmen für das Repräsentationslernen, der für Sequenzen von Finanztransaktionen zur Betrugserkennung entwickelt wurde. Er nutzt selbstüberwachtes kontrastives Lernen, um Einbettungen zu erzeugen, die zeitliche Verhaltensmuster erfassen, und zeigt eine aussagekräftige Vorhersageleistung, insbesondere in Kombination mit domänen-spezifischen Merkmalen.