通过半监督主题建模和关键词集成,改善欺诈检测
1Departamento de Informática y Ciencias de la Computación, Escuela Politécnica Nacional, Quito, Pichincha, Ecuador.
PeerJ. Computer science
|January 23, 2024
概括
本研究引入了半监督主题建模,以加强欺诈检测,改进传统方法. 该技术利用关键词识别欺诈模式,实现了7%的业绩增长.
科学领域:
- 信息安全 信息安全
- 计算语言学 计算语言学
- 审计 审计 审计 审计 审计
背景情况:
- 传统的欺诈检测依赖于手动审查,这种审查受到人类经验的限制.
- 技术方法,包括自然语言处理 (NLP),在复制手动欺诈检测方面面临挑战.
- 像LDA和NMF这样的无监督主题建模技术对于特定任务 (如欺诈检测) 有局限性.
研究的目的:
- 为改进欺诈检测提出一个半监督主题建模方法.
- 用关键词结合特定领域的知识,以增强主题发现.
- 确定与欺诈三角理论相关的模式,以获得更易于解释的结果.
主要方法:
- 开发了一种半监督主题建模方法,其中包含域特定的关键字.
- 利用关键字驱动的学习来识别与欺诈相关的潜在主题.
- 使用多个训练数据集和一个独立的测试数据集评估模型性能.
主要成果:
- 拟议的半监督主题建模方法在欺诈检测方面表现高效.
- 与以前的方法相比,实现了7%的性能提升.
- 该模型通过识别与欺诈有关的模式,提供了更一致和可解释的结果.
结论:
- 半监督主题建模为主动欺诈检测提供了一个有希望的策略.
- 通过关键字将域名知识纳入其中,可以显著增强用于欺诈分析的主题建模.
- 对欺诈行为分析和主动识别策略的进一步研究至关重要.
