کشف تقلب در دادههای مالی از طریق به کارگیری رویکرد جمعی در مراحل مدلسازی و انتخاب ویژگی

چکیده مقاله

امروزه تقلب در دادههای مالی به یک نگرانی جدی در سطح جهانی تبدیل شدهاست کشف به هنگام تقلب می تواند مانع از وقوع تقلبات بیش تر شده و از خسارات مالی جلوگیری کند در مسئله کشف تقلب ، مدلهای یادگیری جمعی ، به دلیل کارایی قابل اطمینان، مورد توجه قرار گرفته اند همچنین مرحله انتخاب ویژگی ها، مهمترین مرحله در مسائل داده کاوی برای کاهش ویژگی های نامربوط از مجموعه داده اصلی است و می تواند با کاهش اندازه مجموعه داده » سرعت ردهبندها« را افزایش و »عملکرد مدلها« را از طریق کاهش احتمال بیش برازش بهبود دهد ما در این مقاله از طریق به کارگیری »رویکرد جمعی « در مراحل »مدلسازی « و »انتخاب ویژگی ها«، به ارائه یک فرایند کشف تقلب جدید می پردازیم در فرایند پیشنهادی ، چارچوب ENTREEBAM در مرحله مدلسازی و چارچوب ENoFSA در مرحله انتخاب ویژگی ها به کار گرفته شدهاند نتایج تجربی نشان می دهد روش پیشنهادی ، باعث بهبود دقت ، براساس ۶ معیار ارزیابی Precision، Recall، F۱ Score، AUC PR، MCC و GMean شده و بهترین نتیجه را در مقایسه با کارهای پیشین ، به ارمغان می آورد

کلیدواژه‌ها

نویسندگان

سجاد علیزاده فرد

کارشناسی ارشد مهندسی کامپپیوتر، گرایش نرم افزار، دانشگاه علم و صنعت ایران

حسین رحمانی

عضو هیئت علمی دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران

�لیزاده فرد، سجاد و رحمانی، حسین،1402،کشف تقلب در دادههای مالی از طریق به کارگیری رویکرد جمعی در مراحل مدلسازی و انتخاب ویژگی،پنجمین کنفرانس ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و صنایع،اسفراین

ارائه‌شده در

مجموعه مقالات پنجمین کنفرانس ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و صنایع23 آبان 1402 · اسفراین