コンテンツへスキップ
- Unsupervised Machine Learning for Explainable Medicare Fraud Detection [16.3]
我々は、医療を超過するプロバイダを特定するための、新しい機械学習ツールを開発した。 大規模なメディケアの請求データを用いて、詐欺や過度な監視と整合したパターンを識別する。 提案手法は、ラベル付きトレーニングデータに頼らず、完全に教師なしである。
論文 参考訳（メタデータ） (Sat, 5 Nov 2022 15:37:51 GMT)
- Medicare データを用いた不正検出。
- FDB: Fraud Dataset Benchmark [17.5]
フラッドデータセットベンチマーク(Fraud dataset benchmark、FDB)は、不正検出に特化した公開データセットの集大成である。 FDBは、不正なカード非表示トランザクションの識別、ボット攻撃の検出、悪意のあるURLの分類、コンテンツモデレーションへのローンのリスクの予測など、さまざまな不正関連タスクで構成されている。 FDBのPythonベースのライブラリは、標準化されたトレーニングとテストの分割を伴うデータローディングのための一貫性のあるAPIを提供する。
論文 参考訳（メタデータ） (Wed, 31 Aug 2022 22:20:42 GMT)
- Social Fraud Detection Review: Methods, Challenges and Analysis [42.3]
レビューはウェブを支配しており、製品情報の信頼できる情報源となっている。 企業は、単一のユーザ、ユーザグループ、あるいは不正コンテンツを生成するために訓練されたボットを使用して、偽情報を広めるために、ソーシャル情報を利用する。 多くの研究がユーザ行動に基づくアプローチを提案し、不正検出の課題に対処するためのテキストをレビューした。
論文 参考訳（メタデータ） (Wed, 10 Nov 2021 11:25:20 GMT)- ボットなどで行われるレビューの不正を検知する研究のサーベイ。時系列で研究課題やアプローチがまとめられているのが分かりやすい。