論文の概要: Feature-Level Fusion of Super-App and Telecommunication Alternative Data Sources for Credit Card Fraud Detection

• arxiv url: http://arxiv.org/abs/2111.03707v1
• Date: Fri, 5 Nov 2021 19:10:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-09 16:02:13.733581
• Title: Feature-Level Fusion of Super-App and Telecommunication Alternative Data Sources for Credit Card Fraud Detection
• Title（参考訳）: クレジットカード不正検出のためのスーパーアプリケーションとテレコミュニケーション代替データソースの融合
• Authors: Jaime D. Acevedo-Viloria, Sebasti\'an Soriano P\'erez, Jesus Solano, David Zarruk-Valencia, Fernando G. Paulin, Alejandro Correa-Bahnsen
• Abstract要約: クレジットカード不正を早期に検出するための,スーパーアプリ顧客情報,携帯電話回線データ,従来型の信用リスク変数を融合した機能レベルの有効性について検討する。 クレジットカードのデジタルプラットフォームデータベースから約9万人のユーザを対象に,我々のアプローチを評価した。
• 参考スコア（独自算出の注目度）: 106.33204064461802
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Identity theft is a major problem for credit lenders when there's not enough data to corroborate a customer's identity. Among super-apps large digital platforms that encompass many different services this problem is even more relevant; losing a client in one branch can often mean losing them in other services. In this paper, we review the effectiveness of a feature-level fusion of super-app customer information, mobile phone line data, and traditional credit risk variables for the early detection of identity theft credit card fraud. Through the proposed framework, we achieved better performance when using a model whose input is a fusion of alternative data and traditional credit bureau data, achieving a ROC AUC score of 0.81. We evaluate our approach over approximately 90,000 users from a credit lender's digital platform database. The evaluation was performed using not only traditional ML metrics but the financial costs as well.
• Abstract（参考訳）: 顧客のアイデンティティを裏付けるデータが不足している場合、クレジットカード会社にとってアイデンティティ盗難は大きな問題です。 多くの異なるサービスを包含するスーパーアプリの大きなデジタルプラットフォームでは、この問題はさらに重要になります。 本稿では,クレジットカード不正を早期に検出するための,スーパーアプリ顧客情報,携帯電話回線データ,従来型の信用リスク変数などの機能レベル融合の有効性について検討する。 提案手法により,入力が代替データと従来の信用局データの融合であるモデルを用いて,OC AUCスコア0.81を達成し,より優れた性能を実現した。 クレジットカードのデジタルプラットフォームデータベースから約9万人のユーザを対象に,我々のアプローチを評価した。 評価は従来のMLメトリクスだけでなく、金銭的コストも使用した。

関連論文リスト

• Privacy-Preserving Financial Anomaly Detection via Federated Learning & Multi-Party Computation [17.314619091307343]
  本稿では、金融機関が高精度な異常検出モデルを共同で訓練できるプライバシー保護フレームワークについて述べる。 当社のソリューションは,顧客データのプライバシを保ちながら,高精度な異常検出モデルをトレーニングすることを可能にする。
  論文  参考訳（メタデータ） (2023-10-06T19:16:41Z)
• Empowering Many, Biasing a Few: Generalist Credit Scoring through Large Language Models [53.620827459684094]
  大規模言語モデル(LLM)は、複数のタスクにまたがる強力な一般化能力を持つ信用スコアリングタスクにおいて大きな可能性を秘めている。 クレジットスコアリングのための LLM を探索する,初のオープンソース包括的フレームワークを提案する。 そこで我々は,各種金融リスク評価タスクの煩雑な要求に合わせて,指導チューニングによる最初の信用・リスク評価大言語モデル(CALM)を提案する。
  論文  参考訳（メタデータ） (2023-10-01T03:50:34Z)
• Credit Card Fraud Detection Using Enhanced Random Forest Classifier for Imbalanced Data [0.8223798883838329]
  本稿では,この問題を解決するためにランダムフォレスト(RF)アルゴリズムを実装した。 本研究ではクレジットカード取引のデータセットを用いた。
  論文  参考訳（メタデータ） (2023-03-11T22:59:37Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• Supporting Financial Inclusion with Graph Machine Learning and Super-App Alternative Data [63.942632088208505]
  スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。 本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
  論文  参考訳（メタデータ） (2021-02-19T15:13:06Z)
• Merchant Category Identification Using Credit Card Transactions [20.15215476646073]
  我々は2つのエンコーダを設計し、1つは時間情報を符号化し、もう1つは親和性情報を符号化する。 71,668人の商人と433,772,755人の顧客が実際のクレジットカード取引データを用いて実験を行い、提案モデルの有効性と効率を実証した。
  論文  参考訳（メタデータ） (2020-11-05T01:21:30Z)
• Credit card fraud detection using machine learning: A survey [0.5134435281973136]
  本稿では,データ駆動型クレジットカード不正検出機能と,その複雑な課題に対処するための機械学習手法について検討する。 特に、まず一般的なクレジットカード検出タスクを特徴付けます。データセットとその属性、メトリックの選択と、そのような不均衡なデータセットを扱ういくつかの方法です。
  論文  参考訳（メタデータ） (2020-10-13T15:35:32Z)
• PCAL: A Privacy-preserving Intelligent Credit Risk Modeling Framework Based on Adversarial Learning [111.19576084222345]
  本稿では,PCAL(Adversarial Learning)に基づくプライバシ保護型信用リスクモデリングの枠組みを提案する。 PCALは、ターゲット予測タスクのパフォーマンスの重要なユーティリティ情報を維持しながら、元のデータセット内のプライベート情報を隠蔽することを目的としている。 結果は,PCALがユーザデータから効果的なプライバシフリー表現を学習し,信用リスク分析のためのプライバシ保存機械学習の基盤となることを示唆している。
  論文  参考訳（メタデータ） (2020-10-06T07:04:59Z)
• Fraud Detection using Data-Driven approach [0.0]
  最初のオンラインバンキングは1980年に始まった。 インターネットバンキングの利用が絶え間なく増加し、多くのオンライン取引も不正行為を増やした。 本研究では,顧客行動に適応した効率的な不正検出モデルの構築を目的とする。
  論文  参考訳（メタデータ） (2020-09-08T20:58:51Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。