文献

J-GLOBAL ID：202202278822579111   整理番号：22A1154704

概念ドリフト下の不正検出のための自己学習アルゴリズムの重要性【JST・京大機械翻訳】

Importance of Self-Learning Algorithms for Fraud Detection Under Concept Drift

著者 (2件)： Shamitha S. Kotekani (M.C.A., VTU Belgavi, CMR Institute of Technology, Bangalore, India) ,  Ilango V. (M.C.A, CMR Institute of Technology, Bangalore, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 837  ページ： 343-354  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： フラウド検出は,個人/組織に対する大量の財政的損失を引き起こしてきた過去数年間,産業において困難な問題である。機械学習技術は, fraudを同定および検出するための効率的技術であることを証明した。このドメインに存在する主要な問題は「受容ドリフト」である。Fraudsterは,最終的にパターン変化をもたらす時間にわたって,それらの習慣を進化させる傾向がある。機械学習モデルは,通常,トランザクションが不正またはレジイマートであるかどうかを分類するラベルの信頼できる集合に依存する。パターンの変化が起こるとき,モデルは新しいパターンの予測においてその性能を失う傾向がある。この変化挙動に適応するモデルはそのようなシナリオで避けられない。本論文では,不正検出における概念ドリフトの問題を論じるいくつかの論文をレビューし,また,研究者がそれを扱う研究者によってこれまで使用された様々なタイプの方法および技術を調査した。また,本論文では,機械学習モデル適応を行うための手順とステップを提案した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  適応 ,  *ドリフト ,  概念 ,  変化 ,  機械学習 ,  *学習アルゴリズム
準シソーラス用語： コンセプトドリフト ,  モデル適応 ,  *不正検出 ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (4件)： コンセプトドリフト ,  自己学習アルゴリズム ,  不正検出 ,  分類技術

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 概念 ,  ドリフト ,  不正検出 ,  自己学習 ,  アルゴリズム ,  重要性