文献

J-GLOBAL ID：202102211638934121   整理番号：21A0165773

機械学習アルゴリズムを用いた信用カードアプリケーションフラッドの検出と解析【JST・京大機械翻訳】

Detection and Analysis of Credit Card Application Fraud Using Machine Learning Algorithms

著者 (6件)： Han Yaodong (Department of Computer Science and Engineering, Hong Kong University of Science and Technology, Clear Water Bay, Kowloon, Hong Kong, SAR, China) ,  Yao Shun (College of computer and information science, Southwest University, Chongqing, 400715, China) ,  Wen Tie (School of computer science and information engineering, Harbin Normal University, Harbin, 150025, China) ,  Tian Zhenyu (Industrial technology, XianJiaotong-Liverpool University, Suzhou, 215123, China) ,  Wang Changyu (Beijing Royal School, Beijing, 102207, China) ,  Gu Zheyuan (Worcester academy, Worcester, Massachusetts, 01604, USA)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1693  号： 1  ページ： 012064 (16pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： Fraudは,壊滅的な影響を有する金融産業における広範な問題である。効果的に fraudを予防して,減らすことは必須である。エキスパートシステムのような伝統的手法は,複雑な問題と膨大な量のデータを扱うことができないが,様々な機械学習技術の最近の開発は新しい解決策をもたらす。クレジットカードトランザクションまたは保険の fraudに取り組む多くの研究により,信用カードアプリケーションの同一性 fraudを少ししか言及していない。本論文では,そのような不正を検出するいくつかの機械学習モデルを示した。最初に,データを探索し,浄化する。次に,331のエキスパート変数を専門的コンサルタントで作成して,著者らのデータの次元を減らすために30に選択した。ロジスティック回帰やディシジョンツリーのような多重モデルを作成し,訓練セットに当てはめた。最後に,ランダムフォレストモデルは,不正検出率に関して最良であり,時間外試験において54%を達成した。得たモデルは,防udモニタリングシステムで適用することができ,類似のモデル開発プロセスは,関連ビジネス地域で実行でき, fraudを検出し,そのような挙動の発生を低減する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コンサルタント ,  保険 ,  金融 ,  監視装置 ,  ディシジョンツリー ,  クレジットカード ,  エキスパートシステム ,  *機械学習 ,  *学習アルゴリズム
準シソーラス用語： ロジスティック回帰分析 ,  多重モデル ,  ランダムフォレスト ,  不正検出 ,  モデル開発 ,  機械学習技術 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 機械学習 ,  アルゴリズム ,  信用 ,  解析