ارائه یک چارچوب بدیع مبتنی بر یادگیری جمعی بهمنظور کشف تقلب در داده های مالی

در دنیای امروز، استفاده از کارتهای اعتباری به دلیل افزایش تجارت الکترونیک، به شدت افزایش داشته و به تبع آن تقلبات مالی مرتبط با آن نیز در حال افزایش است. تقلب بدون حضور کارت رایجترین نوع تقلب بوده و خسارات مالی زیادی به همراه داشته است. از روشهای رایج در مسائل داده کاوی و همچنین مسئله کشف تقلب، مدلهای یادگیری جمعی هستند که مورد توجه قرار گرفته اند. ما در این مقاله با به کارگیری رویکرد جمعی در ۳ مرحله اصلی از فرایند کشف تقلب (نمونه برداری، انتخاب ویژگی و مدلسازی)، به ارائه یک چارچوب جدید به نام THRENSEL میپردازیم. به منظور اطمینان از دقت، ما عملکرد چارچوب پیشنهادی خود را بر روی ۲ مجموعه داده و براساس ۸ معیار ارزیابی مورد سنجش قرار دادیم. نتایج تجربی نشان میدهد چارچوب THRENSEL بهترین دقت را نسبت به کارهای پیشین ارائه میدهد.

کلیدواژه ها:

یادگیری ماشین ، داده کاوی ، یادگیری جمعی ، انتخاب ویژگی ، نمونه برداری