<ins id="nnjdx"><span id="nnjdx"></span></ins>
<var id="nnjdx"></var>
<var id="nnjdx"></var>
<var id="nnjdx"></var>
<cite id="nnjdx"><video id="nnjdx"></video></cite>
<var id="nnjdx"></var><var id="nnjdx"></var>
<var id="nnjdx"><strike id="nnjdx"></strike></var>
<menuitem id="nnjdx"><video id="nnjdx"><thead id="nnjdx"></thead></video></menuitem>
<cite id="nnjdx"></cite>
<thead id="nnjdx"><span id="nnjdx"><thead id="nnjdx"></thead></span></thead>
<del id="nnjdx"><noframes id="nnjdx">
<var id="nnjdx"></var>
<cite id="nnjdx"></cite>
<var id="nnjdx"><dl id="nnjdx"></dl></var>
<cite id="nnjdx"><video id="nnjdx"></video></cite>
<cite id="nnjdx"><video id="nnjdx"></video></cite>
<cite id="nnjdx"><video id="nnjdx"><thead id="nnjdx"></thead></video></cite>
<cite id="nnjdx"><video id="nnjdx"><thead id="nnjdx"></thead></video></cite>
商業觀察 · 2021年第2期45-46,共2頁

基于社群挖掘及決策樹模型的欺詐團伙檢測

作者:于得水

摘要:當前,團伙欺詐模式越來越普遍,不同場景、不同業務對應的欺詐行為也越來越多。根據實際業務場景,基于套現欺詐用戶更易和套現欺詐商戶有所關聯,形成聚集效應的團伙欺詐假設,通過構建商戶—用戶交易行為二分圖,建立模型評估指標體系,對比不同社群挖掘算法fastgreedy算法、infomap算法、walktrap算法效果,最終在滿足運行速度最快的基礎上,用fastgreedy算法挖掘出社群最具區分度。針對挖掘出的社區,通過構建社區相關特征變量以及用戶商戶特征變量,設定好、壞社群標簽,使用機器學習中的決策樹模型,將社區結果進行分級,找出最壞的社群聚集群體。

發文機構:桂林理工大學

關鍵詞:團伙欺詐fastgreedy算法決策樹模型

分類號: TP3[自動化與計算機技術—計算機科學與技術]

注:學術社僅提供期刊論文索引,查看正文請前往相應的收錄平臺查閱
相關文章
伊伊爱官方网站