期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
DAY-BY-DAY行为数据集上基于图的特异群组挖掘
被引量：
1
1
作者
马剑青
孙婧
《计算机应用与软件》
CSCD
北大核心
2013年第12期218-221,共4页
行为挖掘是数据挖掘中一个重要的问题。特异群组挖掘是指在一个大部分数据对象不具有相似行为的数据集中,发现那些具有相似性或共同特征的对象形成的群组,称之为特异群组,因此特异群组具有的少对象、高聚集的特征。在医保基金实际运营中...
行为挖掘是数据挖掘中一个重要的问题。特异群组挖掘是指在一个大部分数据对象不具有相似行为的数据集中,发现那些具有相似性或共同特征的对象形成的群组,称之为特异群组,因此特异群组具有的少对象、高聚集的特征。在医保基金实际运营中,一种称之为"一致骗保行为"的就医欺诈行为就表现出特异群组的特征。常规的聚类等方式不适用于对特异群组的分类,通过构建数据对象的特异邻接图并对其进行稀疏化处理,将特异群组搜索对应到特异邻接图的最大完全子图搜索上,给出一种基于图的特异群组挖掘算法。
展开更多
关键词
DAY-BY-DAY
特异群组
行为挖掘
欺诈检测
在线阅读
下载PDF
职称材料
基于异构信息网络的信贷反欺诈研究
被引量：
1
2
作者
刘华玲
张国祥
+1 位作者
王柳月
梁华璧
《计算机科学》
CSCD
北大核心
2023年第S02期672-680,共9页
近年来,移动终端设备的数字化程度陡升,信贷行业的欺诈行为呈现出动态发展、行为隐蔽和专业伪装等新特点,海量数据的跨量级增长为传统反欺诈算法的有效性和计算效率都带来了不小的挑战。因此,为了充分学习信贷场景中不同实体间的交互信...
近年来,移动终端设备的数字化程度陡升,信贷行业的欺诈行为呈现出动态发展、行为隐蔽和专业伪装等新特点,海量数据的跨量级增长为传统反欺诈算法的有效性和计算效率都带来了不小的挑战。因此,为了充分学习信贷场景中不同实体间的交互信息,降低算法计算消耗以使其适用于大规模图数据任务,提出了基于异构信息网络的特异群组挖掘算法BKH-(Bron-Kerbosh-H-II),即首先针对源数据中的信贷实体及实体间的关系进行界定和分类,并将不同实体间的相似度作为关系权重,以此构建信贷异构信息网络,对该网络采取了两阶段的基于H图的极大团枚举算法,用于挖掘特异群组,最终通过局部特征工程修正划分得到潜在的欺诈群体,经实验证明,BKH-II在4种评价指标上的准确度分别为NMI=0.983,NRI=0.96,F-score=0.943,Omega=0.95,并表现出了良好的泛化性和较低的计算复杂性。
展开更多
关键词
异构信息网络
信贷反欺诈
特异群组
挖掘
社区发现
图嵌入
在线阅读
下载PDF
职称材料
题名
DAY-BY-DAY行为数据集上基于图的特异群组挖掘
被引量：
1
1
作者
马剑青
孙婧
机构
复旦大学计算机科学与技术学院
出处
《计算机应用与软件》
CSCD
北大核心
2013年第12期218-221,共4页
文摘
行为挖掘是数据挖掘中一个重要的问题。特异群组挖掘是指在一个大部分数据对象不具有相似行为的数据集中,发现那些具有相似性或共同特征的对象形成的群组,称之为特异群组,因此特异群组具有的少对象、高聚集的特征。在医保基金实际运营中,一种称之为"一致骗保行为"的就医欺诈行为就表现出特异群组的特征。常规的聚类等方式不适用于对特异群组的分类,通过构建数据对象的特异邻接图并对其进行稀疏化处理,将特异群组搜索对应到特异邻接图的最大完全子图搜索上,给出一种基于图的特异群组挖掘算法。
关键词
DAY-BY-DAY
特异群组
行为挖掘
欺诈检测
Keywords
DAY-BY-DAY Peculiarity groups Behavioural mining Fraud detection
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
在线阅读
下载PDF
职称材料
题名
基于异构信息网络的信贷反欺诈研究
被引量：
1
2
作者
刘华玲
张国祥
王柳月
梁华璧
机构
上海对外经贸大学统计与信息学院
出处
《计算机科学》
CSCD
北大核心
2023年第S02期672-680,共9页
文摘
近年来,移动终端设备的数字化程度陡升,信贷行业的欺诈行为呈现出动态发展、行为隐蔽和专业伪装等新特点,海量数据的跨量级增长为传统反欺诈算法的有效性和计算效率都带来了不小的挑战。因此,为了充分学习信贷场景中不同实体间的交互信息,降低算法计算消耗以使其适用于大规模图数据任务,提出了基于异构信息网络的特异群组挖掘算法BKH-(Bron-Kerbosh-H-II),即首先针对源数据中的信贷实体及实体间的关系进行界定和分类,并将不同实体间的相似度作为关系权重,以此构建信贷异构信息网络,对该网络采取了两阶段的基于H图的极大团枚举算法,用于挖掘特异群组,最终通过局部特征工程修正划分得到潜在的欺诈群体,经实验证明,BKH-II在4种评价指标上的准确度分别为NMI=0.983,NRI=0.96,F-score=0.943,Omega=0.95,并表现出了良好的泛化性和较低的计算复杂性。
关键词
异构信息网络
信贷反欺诈
特异群组
挖掘
社区发现
图嵌入
Keywords
Heterogeneous information network
Credit anti-fraud
Specific group mining
Community discovery
Graph embedding
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
DAY-BY-DAY行为数据集上基于图的特异群组挖掘
马剑青
孙婧
《计算机应用与软件》
CSCD
北大核心
2013
1
在线阅读
下载PDF
职称材料
2
基于异构信息网络的信贷反欺诈研究
刘华玲
张国祥
王柳月
梁华璧
《计算机科学》
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
