三元组引导的双判别器过滤网络用于极度不平衡的信用分类

《International Review of Financial Analysis》：Triplet guided dual-discriminator filtering network for extremely imbalanced credit classification

　　

•提出了一种用于极端类别不平衡跨领域信用分类的三元组引导双判别器过滤网络。
•在一个统一的两阶段框架中，同时解决了特征表示坍塌和决策边界偏差问题。
•通过基于动态锚点的三元组特征空间优化算法，对齐跨领域少数类特征，以缓解特征表示坍塌。
•通过配备双判别器过滤的协同动态样本平衡算法，选择性地迁移信息量大的样本并消除冗余样本。
•通过在真实信用数据集上进行的实验，验证了所提出网络相较于最先进基线算法的优越性能。

引言
信用分类是风险管理的一个基本组成部分，已被广泛应用于工业界和学术界（Yu等，2021）。信用分类方法用于评估贷款申请人的违约概率，并构建二分类任务用于违约判断（Zhang & Yu, 2024）。金融机构需要稳健的信用分类算法，以降低因贷款违约行为造成的经济损失（Yu等，2022）。目前，建模算法大致可分为两大类：统计算法和机器学习算法（Zhou等，2023）。统计算法，如逻辑回归（LogR）（Miljkovic & Wang, 2025），因其可解释性而被广泛认可。然而，其预测准确率受到固有结构假设的限制，尤其是特征线性可分的假设。随着人工智能的发展，机器学习技术被采用，能够捕捉数据中嵌入的复杂非线性相关性，而无需严格的先验假设。这些算法包括长短期记忆（LSTM）算法（Alonso-Robisco & Carbó, 2022）、生成对抗（GAN）算法（Fan等，2022）和集成学习算法（Zhang等，2025），这些算法在信用分类任务中都展现出了通用性。随着人工智能的发展，更多先进的算法不断被开发（Zhang & Yu, 2024）。老龄化和养老金改革加剧了收入不平等并改变了家庭债务模式，阻碍了个人信用风险评估（Wang & Yue, 2026）。

然而，现有研究表明，没有算法在各种场景中表现最优，因为其性能取决于数据的固有特征（Zhang & Yu, 2024）。信用数据集的典型特征包括类别不平衡、高维度和噪声等。特别是，类别不平衡是信用分类场景中最常见的特征。这种特征通常通过非违约样本与违约样本的比率来衡量，定义为不平衡比率（IR）。当IR值大于1时，数据集表现出类别不平衡特征。如果此时进行算法训练，算法倾向于学习多数类样本的信息，这可能导致预测过程中的错误预测，并可能增加经济损失。在极端不平衡的情况下，缓解不平衡遇到的困难更大。由于历史记录不足，冷启动环境中很难收集违约样本，只能获取少量违约样本。极端不平衡阻碍了少数类样本的有效特征表示，相应地降低了分类能力。更严重的是，这可能导致一个被称为少数类特征表示坍塌的关键问题。在模型决策过程中，属于少数类样本的关键判别性特征被多数类特征所掩盖。模型无法捕捉少数类的本质特征，决策边界偏向多数类，泛化性能大大降低。因此，极端不平衡类别特征对算法在预测中的性能产生了重大影响。

一般来说，不平衡问题的解决方案大致可分为三类：数据级算法、算法级算法和混合算法。数据级方法通过欠采样、过采样和混合采样调整训练集的类别分布，以缓解类别不平衡（Brito等，2024）。算法级算法通过修改算法架构、损失函数或训练策略来增强算法在识别少数类样本方面的性能，如成本敏感学习、集成学习和度量学习（Ye & Luo, 2020）。混合算法旨在结合数据预处理与算法增强，在多个层级上实现更全面的性能提升（Yang等，2024）。然而，在极端不平衡数据场景中，现有算法仍面临显著局限性。例如，数据级算法可能因过多合成样本的生成而导致过拟合，或者通过欠采样丢失信息量大的多数类样本。尽管算法级算法在损失函数设计和分布对齐方面取得了进展，但对特征稀疏性和采样偏差的敏感性仍然影响着对关键少数类中判别性特征的持续捕捉。混合算法在跨领域、知识迁移和联合优化方面展现出前景。然而，大多数算法依赖全局分布匹配，但样本质量和迁移价值往往没有得到充分评估。算法更容易受到低质量样本的影响和负迁移风险，最终限制了其跨领域的迁移能力。这些挑战在中国金融市场中尤为突出。卖空等外部治理工具为各行业带来了异质性风险（Zhao & Cao, 2025），扩大了跨领域信用分类中源域和目标域之间的分布差距。

本研究的动机是提出一种跨领域的迁移学习网络，使用源域数据辅助目标域建模，如图1所示。该网络同时解决了极端不平衡信用分类中的两个关键问题：由于少数类特征学习不足导致的特征表示坍塌，以及由不同信用业务领域之间违约驱动因素不一致引起的负迁移风险。一方面，基于动态锚点的三元组特征空间优化（DATSO）算法构建了跨领域的三元组约束，以减少源域和目标域之间少数类样本的特征空间差异，这增强了少数类的表示学习，并缓解了特征表示坍塌。另一方面，双判别器动态过滤算法从源域中识别出信息量高的少数类样本，并在迁移前评估样本兼容性，确保仅使用领域一致且有价值的样本，从而降低负迁移风险。这些兼容且有信息量的样本随后被迁移并在目标域中进行增强。同时，置信度-密度-边界过滤器（CDB-Filter）算法构建了一个综合损失函数，集成了分类置信度、局部密度和边界距离指标，以精确移除冗余的多数类样本。这种迁移前样本过滤设计与衡量和利用视觉必要性进行多模态指令微调（VisNec）的核心理念相一致（Dong等，2026）。该工作为样本筛选模块提供了理论支持，并确认了在知识迁移前排除不匹配样本的有效性，以减弱由数据分布不一致引起的不利影响。该集成框架同时解决了特征表示坍塌并避免了极端不平衡跨领域信用分类中的负迁移。

本研究的主要贡献总结为以下三个方面。
(1)提出了一种三元组引导的双判别器动态过滤网络，用于同时解决极端不平衡跨领域信用分类中的特征坍塌和分布分歧。通过整合特征空间优化与动态样本平衡，该算法增强了少数类的判别能力。
(2)基于动态锚点的三元组特征空间优化（DATSO）算法缓解了由表示学习不足引起的特征坍塌。它通过将少数类样本映射到共享空间来对齐跨领域的特征分布，从而减少跨领域特征距离。
(3)协同动态样本平衡（CDSB）算法缓解了由分布分歧引起的边界偏差。它通过双判别器动态过滤（D3F）算法从源域中选择性地迁移信息量大的少数类样本，同时使用基于CDB-Filter的损失函数移除冗余的多数类样本，以优化数据分布。

本文其余部分组织如下。第2节介绍相关工作。第3节详细描述了方法论框架。第4节报告了实验结果，并进一步讨论了可能的原因以评估所提出方法的有效性。最后，第5节提供了一些主要发现和管理启示，以及其局限性和未来研究方向。

章节片段
相关工作
类别不平衡被视为机器学习应用中的一个关键挑战。针对该问题提出了多种解决方案，这些方法被分为数据级、算法级和混合级。由不平衡分布引起的决策偏差通过这些方法得到缓解，以支持极端不平衡处理。代表性技术及其特征如图2所示总结。数据级算法专注于调整训练集的类别分布。

方法论公式化
为了正式刻画本文中的极端类别不平衡，我们基于信用数据特征、巴塞尔规则和基于不平衡学习的标准构建了一个定义。巴塞尔银行监管委员会（BCBS, 2005）在内部评级法（IRB）框架下发布了指导方针。监管文件阐述了与低违约组合相关的风险，但没有提供衡量类别不平衡比率的官方定量阈值。巴塞尔银行监管委员会（BCBS, 2005）

数据描述
为了评估所提出的跨领域迁移学习网络的性能，选择了两个具有不同程度类别不平衡的信用数据集进行实验：前海信用数据集（https://tianchi.aliyun.com/dataset/53577）和Lending Club数据集（简称LC）（https://www.kaggle.com/wordsforthewise/lending-club）。表1总结了实验数据集，不平衡比率范围为6.78至23.02，以及观察和特征在预处理前后的详细信息。

前海信用数据集上的实验结果
基于前一节的实验设计，可以获得具有不同不平衡比率（范围为50:1至100:1）的前海信用数据集的相应性能比较实验结果，如表4和图7所示。相应地，根据表4的结果，可以提出以下五个关键发现。在提出这些发现之前，有必要明确极端类别不平衡下的评估优先级。在此类场景中，

结论与未来研究方向
本研究提出了一种三元组引导的双判别器过滤网络，用于解决跨领域信用分类中的特征坍塌和分布分歧。该框架由两个协调阶段组成：特征级对齐和样本级优化。第一阶段采用基于动态锚点的三元组特征空间优化算法来对齐不同领域中的少数类特征。这种方法缓解了特征坍塌并改进了特征

未引用参考文献
Qian, Liang, Li, Feng and Shi, 2014

利益冲突声明
作者声明他们不存在已知的可能影响本文工作的竞争性经济利益或个人关系。

致谢
本工作部分由中国海南省重点研发计划（编号：ZDYF2025SHFZ015）、中央高校基本科研业务费—研究生科研创新基金（编号：XK2090021037）、国家自然科学基金（编号：72361014）、江西省自然科学基金（编号：20262BAC240223）资助。

朱建新|张明齐|张小鸣|余廉