論文の概要: Learning from sanctioned government suppliers: A machine learning and network science approach to detecting fraud and corruption in Mexico

• arxiv url: http://arxiv.org/abs/2512.19491v2
• Date: Fri, 26 Dec 2025 12:18:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-29 13:23:29.80196
• Title: Learning from sanctioned government suppliers: A machine learning and network science approach to detecting fraud and corruption in Mexico
• Title（参考訳）: 認可された政府サプライヤーから学ぶ:メキシコの不正や汚職を検出するための機械学習とネットワークサイエンスアプローチ
• Authors: Martí Medina-Hernández, Janos Kertész, Mihály Fazekas,
• Abstract要約: 本研究は、ドメイン知識に基づく赤旗とネットワーク固有の特徴を統合化して、潜在的に不正で不正な契約を識別する、正の未ラベル(PU)学習アルゴリズムを実装した。 PUモデルの平均性能は32%高く、ランダムな推測よりも平均2.3倍高い。 この手法はメキシコにおける法執行を支援することができ、他の国家の文脈にも適用することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Detecting fraud and corruption in public procurement remains a major challenge for governments worldwide. Most research to-date builds on domain-knowledge-based corruption risk indicators of individual contract-level features and some also analyzes contracting network patterns. A critical barrier for supervised machine learning is the absence of confirmed non-corrupt, negative, examples, which makes conventional machine learning inappropriate for this task. Using publicly available data on federally funded procurement in Mexico and company sanction records, this study implements positive-unlabeled (PU) learning algorithms that integrate domain-knowledge-based red flags with network-derived features to identify likely corrupt and fraudulent contracts. The best-performing PU model on average captures 32 percent more known positives and performs on average 2.3 times better than random guessing, substantially outperforming approaches based solely on traditional red flags. The analysis of the Shapley Additive Explanations reveals that network-derived features, particularly those associated with contracts in the network core or suppliers with high eigenvector centrality, are the most important. Traditional red flags further enhance model performance in line with expectations, albeit mainly for contracts awarded through competitive tenders. This methodology can support law enforcement in Mexico, and it can be adapted to other national contexts too.
• Abstract（参考訳）: 公的調達における不正や汚職の検出は、世界中の政府にとって大きな課題である。 ドメイン知識に基づく個別のコントラクトレベルの機能に対する汚職リスク指標に関する最新の研究や、契約ネットワークパターンの分析も行われている。 教師あり機械学習にとって重要な障壁は、非破壊的で否定的な例がないことであり、従来の機械学習はこのタスクに不適切である。 この研究は、連邦政府がメキシコで調達した資金と企業制裁記録の公開データを用いて、ドメイン知識に基づくレッドフラグとネットワーク起源の機能を統合する、ポジティブな未ラベル(PU)学習アルゴリズムを実装した。 平均的なPUモデルの性能は32%向上し、ランダムな推測よりも平均2.3倍向上し、従来の赤旗のみに基づくアプローチよりも大幅に向上している。 Shapley Additive Explanationsの分析によると、ネットワーク固有の特徴、特にネットワークコアや高固有ベクトル中心性を持つサプライヤの契約に関連するものが最も重要である。 伝統的な赤旗は、主に競争力のある業者を通じて与えられる契約のために、期待に沿ってモデルのパフォーマンスをさらに向上させる。 この手法はメキシコにおける法執行を支援することができ、他の国家の文脈にも適用することができる。

関連論文リスト

• Financial Fraud Identification and Interpretability Study for Listed Companies Based on Convolutional Neural Network [4.504327589607446]
  本稿では、畳み込みニューラルネットワーク(CNN)に基づく中国のAシェア上場企業を対象とした金融不正検出フレームワークを提案する。 実験の結果、CNNはロジスティック回帰とLightGBMの精度、堅牢性、早期警戒性能に優れていた。 環境指標は, 主に高汚染産業において重要であり, 可溶性, 比構造, 統治構造, 内部統制が詐欺の一般的な予測要因であることがわかった。
  論文  参考訳（メタデータ） (2025-12-07T04:14:16Z)
• Deep Learning Approaches for Anti-Money Laundering on Mobile Transactions: Review, Framework, and Directions [51.43521977132062]
  マネーロンダリング(英: Money laundering)は、不正資金の起源を隠蔽する金融犯罪である。 モバイル決済プラットフォームとスマートIoTデバイスの普及は、マネーロンダリング対策をかなり複雑にしている。 本稿では,AMLにおけるディープラーニングソリューションとその利用に関する課題について,包括的レビューを行う。
  論文  参考訳（メタデータ） (2025-03-13T05:19:44Z)
• Networks of Networks: Complexity Class Principles Applied to Compound AI Systems Design [63.24275274981911]
  多くの言語モデル推論コールからなる複合AIシステムは、ますます採用されている。 本研究では,提案した回答の生成と正当性検証の区別を中心に,ネットワークネットワーク(NoN)と呼ばれるシステムを構築した。 我々は,Kジェネレータを備えた検証器ベースの判定器NoNを導入し,"Best-of-K"あるいは"judge-based"複合AIシステムのインスタンス化を行う。
  論文  参考訳（メタデータ） (2024-07-23T20:40:37Z)
• Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
  本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。 ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-11T07:48:39Z)
• Free Lunch for Generating Effective Outlier Supervision [46.37464572099351]
  本稿では, ほぼ現実的な外乱監視を実現するための超効率的な手法を提案する。 提案したtextttBayesAug は,従来の方式に比べて偽陽性率を 12.50% 以上削減する。
  論文  参考訳（メタデータ） (2023-01-17T01:46:45Z)
• A machine learning model to identify corruption in M\'exico's public procurement contracts [0.0]
  本稿では,M'exicoの公開調達データから不正契約を識別し,予測する機械学習モデルを提案する。 このモデルで考慮された最も重要な予測要因は、買い手とサプライヤーの関係に関するものである。 我々の研究は、公的調達契約における汚職を特定し、予測し、分析するための意思決定プロセスを支援するツールを提示します。
  論文  参考訳（メタデータ） (2022-10-25T01:22:41Z)
• 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)
• A Semi-supervised Graph Attentive Network for Financial Fraud Detection [30.645390612737266]
  本稿では,多視点ラベル付きおよびラベルなしデータを不正検出に用いる半教師付き減衰型グラフニューラルネットワークSemiSemiGNNを提案する。 ソーシャルリレーションとユーザ属性を利用することで,2つのタスクにおける最先端手法と比較して精度が向上する。
  論文  参考訳（メタデータ） (2020-02-28T10:35:25Z)

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。