近日，由北京中亦安图科技股份有限公司(以下简称：中亦科技)大数据产品团队撰写的论文《Detecting Cash-out Users via Dense Subgraphs》被ACM SIGKDD 2022(国际数据挖掘与知识发现大会，KDD)正式收录。论文使用了密集子图技术，应用于金融科技反欺诈场景，是图谱技术在金融科技领域应用的真正落地和突破，本次论文收录也代表着中亦科技在相关领域的创新研究得到了业内顶尖会议的肯定和认可。
中亦科技大数据产品团队汇聚了来自国外顶尖高校的专业人才，肩负着中亦科技赋能客户数字化转型的重任。自成立以来，大数据产品团队以客户需求为依托，深耕前沿技术在金融科技领域的落地应用，深度服务于中国建设银行总行、交通银行总行、上海银行、银联等国内顶尖金融机构，在图谱技术应用、运维管理数字化图谱、智慧营销、反欺诈、反套现等专业领域做出了积极贡献。
ACM SIGKDD(国际数据挖掘与知识发现大会，KDD) 会议始于 1989 年，是数据挖掘领域历史最悠久、规模最大的国际顶级学术会议，也是首个引入大数据、数据科学、预测分析、众包等概念的会议。
据悉，SIGKDD 2022将于8月14日至8月18日在美国华盛顿举办。
作者简介
季颖生
技术总监，清华大学计算机科学博士，研究方向为AutoML。具有8年大数据及算法相关工作经验，个人发表3篇 SCI、3篇El会议论文;国内专利11个，国际专利1个。曾担任多家头部金融机构算法高级顾问。
张 政
算法工程师，复旦大学应用数学硕士，发表4篇专利。曾担任多家头部金融机构算法外部顾问，多个项目的算法负责人，主攻图算法研究与应用。
唐欣蕾
算法工程师，复旦大学硕士，个人发表1篇sci, 3篇专利。曾担任多家头部金融机构外部顾问，担任多个项目的算法负责人，主攻图算法技术。
沈佳辰
数据分析师，英国约克大学金融数学硕士，发表4篇专利。曾担任头部金融机构算大数据中心顾问。参与多项金融图谱搭建，金融大数据项目建设，深耕于金融图谱技术领域。
免责声明：科技狗对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。 本网站转载图片、文字之类版权申明，本网站无法鉴别所上传图片或文字的知识版权，如果侵犯，请及时通知我们，本网站将在第一时间及时删除：yzl_300@126.com
