論文の概要: On Finding Bi-objective Pareto-optimal Fraud Prevention Rule Sets for
Fintech Applications
- arxiv url: http://arxiv.org/abs/2311.00964v2
- Date: Thu, 18 Jan 2024 04:11:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-19 19:45:29.042703
- Title: On Finding Bi-objective Pareto-optimal Fraud Prevention Rule Sets for
Fintech Applications
- Title(参考訳): フィンテック応用のための2目的パレート最適フラッド防止ルールの探索について
- Authors: Chengyao Wen, Yin Lou
- Abstract要約: 本稿では,初期ルールプールから2目的空間(精度やリコールなど)の高品質なルールサブセットを見つけることを目的とする。
我々はPORSと呼ばれる詐欺ベースのフレームワークを提案し、PORSのコアが最前線におけるソリューション選択の問題であることを確認した。
我々は、初期ルールセットの多様性を促進するために、SpectralRulesと呼ばれるシーケンシャルカバーアルゴリズムの新たな変種を導入する。
- 参考スコア(独自算出の注目度): 1.1222512145273202
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rules are widely used in Fintech institutions to make fraud prevention
decisions, since rules are highly interpretable thanks to their intuitive
if-then structure. In practice, a two-stage framework of fraud prevention
decision rule set mining is usually employed in large Fintech institutions.
This paper is concerned with finding high-quality rule subsets in a
bi-objective space (such as precision and recall) from an initial pool of
rules. To this end, we adopt the concept of Pareto optimality and aim to find a
set of non-dominated rule subsets, which constitutes a Pareto front. We propose
a heuristic-based framework called PORS and we identify that the core of PORS
is the problem of solution selection on the front (SSF). We provide a
systematic categorization of the SSF problem and a thorough empirical
evaluation of various SSF methods on both public and proprietary datasets. We
also introduce a novel variant of sequential covering algorithm called
SpectralRules to encourage the diversity of the initial rule set and we
empirically find that SpectralRules further improves the quality of the found
Pareto front. On two real application scenarios within Alipay, we demonstrate
the advantages of our proposed methodology compared to existing work.
- Abstract(参考訳): ルールは直感的なif-then構造のおかげで非常に解釈しやすいため、フィンテック機関では不正防止の決定に広く使われている。
実際には、不正防止決定ルールの2段階の枠組みが一般的にフィンテックの大規模機関で採用されている。
本稿では,初期ルールプールから2目的空間(精度やリコールなど)の高品質なルールサブセットを見つけることを目的とする。
この目的のために、パレート最適性の概念を採用し、パレートフロントを構成する非支配ルール部分集合の集合を見つけることを目的とする。
我々はPORSと呼ばれるヒューリスティックなフレームワークを提案し、PORSのコアがフロント(SSF)におけるソリューション選択の問題であることを確認した。
本研究では,SSF問題を体系的に分類し,パブリック・プロプライエタリ・データセットとプロプライエタリ・データセットの両方で様々なSSF手法を徹底的に評価する。
また,初期規則セットの多様性を促進するために,spectralrulesと呼ばれる新しい逐次被覆アルゴリズムを導入し,spectralrulesがparetoフロントの品質をさらに向上させることを実証的に確認した。
alipayの2つの実際のアプリケーションシナリオにおいて、既存の作業と比較して提案手法の利点を実証する。
関連論文リスト
- SoFA: Shielded On-the-fly Alignment via Priority Rule Following [90.32819418613407]
本稿では,各ダイアログにおけるルールを主制御機構として定義する,新たなアライメントパラダイムである優先ルールを提案する。
そこで本研究では,厳密な規則統合と固着性を確保するために,シミュレーションから優先信号に従う半自動蒸留手法であるプライオリティディスティルを提案する。
論文 参考訳(メタデータ) (2024-02-27T09:52:27Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳(メタデータ) (2023-11-08T00:10:21Z) - Conditions on Preference Relations that Guarantee the Existence of
Optimal Policies [42.90290638427277]
我々は、部分的に観測可能な非マルコフ環境におけるLfPF問題を解析するための新しいフレームワークであるDirect Preference Processを紹介する。
von Neumann-Morgenstern expecteded Utility Theorem を用いて、直接選好プロセスが標準的な強化学習問題を一般化することを示す。
論文 参考訳(メタデータ) (2023-11-03T15:42:12Z) - Interpretable Anomaly Detection via Discrete Optimization [1.7150329136228712]
本稿では,シーケンシャルデータから本質的に解釈可能な異常検出を学習するためのフレームワークを提案する。
この問題は計算的に困難であることを示し,制約最適化に基づく2つの学習アルゴリズムを開発した。
プロトタイプ実装を用いて,提案手法は精度とF1スコアの点で有望な結果を示す。
論文 参考訳(メタデータ) (2023-03-24T16:19:15Z) - Social Mechanism Design: A Low-Level Introduction [31.564788318133264]
エージェントは、意思決定結果と意思決定に使用されるルールまたは手順の両方を優先していることを示す。
低レベルにおける単純で直感的な選好構造を同定し、より高いレベルにおける選好の構成要素を形成するように一般化する。
非対称的二分法選択と憲法修正という2つの異なる領域における受容のアルゴリズムを解析する。
論文 参考訳(メタデータ) (2022-11-15T20:59:34Z) - Contextual bandits with concave rewards, and an application to fair
ranking [108.48223948875685]
CBCR (Contextual Bandits with Concave Rewards) に対する反省点のある最初のアルゴリズムを提案する。
我々は,スカラー・リワード問題に対するCBCRの後悔から,新たな縮小を導出した。
推薦の公正さによって動機づけられたCBCRの特別事例として,ランク付けと公正を意識した目的について述べる。
論文 参考訳(メタデータ) (2022-10-18T16:11:55Z) - Instance-Dependent Confidence and Early Stopping for Reinforcement
Learning [99.57168572237421]
強化学習(RL)のための様々なアルゴリズムは、その収束率の劇的な変動を問題構造の関数として示している。
この研究は、観察されたパフォーマンスの違いについて、textitexを説明する保証を提供する。
次の自然なステップは、これらの理論的保証を実際に有用なガイドラインに変換することです。
論文 参考訳(メタデータ) (2022-01-21T04:25:35Z) - Bayesian decision-making under misspecified priors with applications to
meta-learning [64.38020203019013]
トンプソンサンプリングやその他のシーケンシャルな意思決定アルゴリズムは、文脈的包帯における探索と探索のトレードオフに取り組むための一般的なアプローチである。
性能は不特定な事前条件で優雅に低下することを示す。
論文 参考訳(メタデータ) (2021-07-03T23:17:26Z) - On the Optimality of Batch Policy Optimization Algorithms [106.89498352537682]
バッチポリシー最適化は、環境と対話する前に既存のデータをポリシー構築に活用することを検討する。
信頼調整インデックスアルゴリズムは楽観的,悲観的,中立的いずれであってもミニマックス最適であることを示す。
最適値予測の本来の難易度を考慮した新しい重み付き最小値基準を提案する。
論文 参考訳(メタデータ) (2021-04-06T05:23:20Z) - Causal Policy Gradients [6.123324869194195]
因果ポリシー勾配(CPG)は、重要な最先端アルゴリズムを分析する共通のフレームワークを提供する。
CPGは従来の政策の勾配を一般化し、問題領域の生成過程の事前知識を組み込む原則的な方法をもたらす。
論文 参考訳(メタデータ) (2021-02-20T14:51:12Z)
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。