論文の概要: On Finding Bi-objective Pareto-optimal Fraud Prevention Rule Sets for Fintech Applications

• arxiv url: http://arxiv.org/abs/2311.00964v3
• Date: Thu, 27 Jun 2024 19:07:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 22:04:23.480294
• 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: ルールは詐欺防止の判断を行う機関で広く使用されている。 本稿では,ルールマイニングのための2段階フレームワークの柔軟性と有効性の向上に焦点をあてる。
• 参考スコア（独自算出の注目度）: 0.949959422062959
• License: http://creativecommons.org/licenses/by/4.0/
• 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; Stage 1 generates a potentially large pool of rules and Stage 2 aims to produce a refined rule subset according to some criteria (typically based on precision and recall). This paper focuses on improving the flexibility and efficacy of this two-stage framework, and is concerned with finding high-quality rule subsets in a bi-objective space (such as precision and recall). To this end, we first introduce a novel algorithm called SpectralRules that directly generates a compact pool of rules in Stage 1 with high diversity. We empirically find such diversity improves the quality of the final rule subset. In addition, we introduce an intermediate stage between Stage 1 and 2 that adopts the concept of Pareto optimality and aims to find a set of non-dominated rule subsets, which constitutes a Pareto front. This intermediate stage greatly simplifies the selection criteria and increases the flexibility of Stage 2. For this intermediate stage, 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. On two real application scenarios within Alipay, we demonstrate the advantages of our proposed methodology over 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可能であるため、フィンテックの機関では不正防止の判断に広く使われている。 実際には、2段階の不正防止決定ルールの枠組みが一般的に大規模なフィンテック機関で採用されており、ステージ1は潜在的に大きなルールプールを生成し、ステージ2はいくつかの基準(典型的には精度とリコールに基づく)に基づいて洗練されたルールサブセットを作成することを目的としている。 本稿では,この2段階フレームワークの柔軟性と有効性の向上に焦点をあて,両目的空間(精度やリコールなど)における高品質なルールサブセットの発見に留意する。 この目的のために、我々はまずSpectralRulesと呼ばれる新しいアルゴリズムを導入し、高い多様性を持つステージ1におけるルールのプールを直接生成する。 このような多様性が最終ルールサブセットの品質を改善することを実証的に見出す。 さらに,Paretoの最適性の概念を取り入れた第1段階と第2段階の中間段階を導入し,Paretoフロントを構成する非支配的なルールサブセットの集合を見つけることを目的とする。 この中間段階は選択基準を大幅に単純化し、ステージ2の柔軟性を高める。 この中間段階において、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。 Alipay内の2つの実際のアプリケーションシナリオにおいて、提案した手法の利点を既存の作業に対して示す。

関連論文リスト

• A-FedPD: Aligning Dual-Drift is All Federated Primal-Dual Learning Needs [57.35402286842029]
  本稿では,グローバルクライアントとローカルクライアントの仮想二重配向を構成する新しいアラインドデュアルデュアル(A-FedPD)手法を提案する。 本稿では,A-FedPD方式の非集中型セキュリティコンセンサスに対する効率を包括的に分析する。
  論文  参考訳（メタデータ） (2024-09-27T17:00:32Z)
• Last-Iterate Global Convergence of Policy Gradients for Constrained Reinforcement Learning [62.81324245896717]
  我々はC-PGと呼ばれる探索非依存のアルゴリズムを導入し、このアルゴリズムは(弱)勾配支配仮定の下でのグローバルな最終点収束を保証する。 制約付き制御問題に対して,我々のアルゴリズムを数値的に検証し,それらを最先端のベースラインと比較する。
  論文  参考訳（メタデータ） (2024-07-15T14:54:57Z)
• Two-stage Conformal Risk Control with Application to Ranked Retrieval [1.8481458455172357]
  2段階のランク付け検索は、機械学習システムにとって重要な課題である。 両段階の閾値を共同で同定し,各段階のリスクを制御するための統合的アプローチを提案する。 提案アルゴリズムは,全ての可能なしきい値に対して,重み付けされた予測セットサイズの組み合わせをさらに最適化することにより,より効率的な予測セットを実現する。
  論文  参考訳（メタデータ） (2024-04-27T03:37:12Z)
• 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)
• Cross-Domain Few-Shot Segmentation via Iterative Support-Query Correspondence Mining [81.09446228688559]
  Cross-Domain Few-Shots (CD-FSS) は、限定された例のみを用いて、異なるドメインから新しいカテゴリを分割するという課題を提起する。 本稿では,CD-FSSの課題に対処する新しいクロスドメイン微調整手法を提案する。
  論文  参考訳（メタデータ） (2024-01-16T14:45:41Z)
• 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)
• Optimizing Two-way Partial AUC with an End-to-end Framework [154.47590401735323]
  ROC曲線のエリア(AUC)は、機械学習にとって重要な指標である。 最近の研究は、TPAUCが既存のPartial AUCメトリクスと本質的に矛盾していることを示している。 本論文では,この新指標を最適化するための最初の試行について述べる。
  論文  参考訳（メタデータ） (2022-06-23T12:21:30Z)
• Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
  半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。 SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-12T06:11:16Z)
• Unsupervised Domain Adaptation via Discriminative Manifold Propagation [26.23123292060868]
  教師なしドメイン適応は、ラベル付きソースドメインからラベルなしターゲットドメインへのリッチな情報を活用するのに効果的である。 提案手法は,バニラおよび部分的設定を含む一連のドメイン適応問題に対処するために利用できる。
  論文  参考訳（メタデータ） (2020-08-23T12:31:37Z)
• Unsupervised Domain Adaptation via Discriminative Manifold Embedding and Alignment [23.72562139715191]
  教師なしドメイン適応は、ソースドメインから教師なしターゲットドメインへの豊富な情報を活用するのに効果的である。 対象領域のハードアサインされた擬似ラベルは、本質的なデータ構造に危険である。 一貫した多様体学習フレームワークは、一貫した伝達可能性と識別可能性を達成するために提案される。
  論文  参考訳（メタデータ） (2020-02-20T11:06:41Z)

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。