结合人工反馈与反馈传播增强金融欺诈检测

Prashank Kadam

结合人工反馈与反馈传播增强金融欺诈检测

机器学习 2024-11-12 v1 人工智能计算工程、金融与科学

作者: Prashank Kadam

摘要

人工在环(Human-in-the-Loop, HITL)反馈机制可以显著增强机器学习模型，特别是在金融欺诈检测领域，欺诈模式变化迅速且欺诈节点稀疏。即使来自领域专家(Subject Matter Experts, SMEs)的少量反馈也能显著提升模型性能。本文研究了HITL反馈对传统和先进方法的影响，使用专有和公开可用的数据集。结果表明，HITL反馈提升了模型准确率，基于图的方法受益最多。我们还提出了一种新颖的反馈传播方法，将反馈扩展到整个数据集，进一步提升检测准确率。通过利用人类专业知识，该方法解决了欺诈模式演变、数据稀疏性和模型可解释性等挑战，最终提升了模型鲁棒性并简化了标注流程。

关键词

人工在环反馈金融欺诈检测反馈传播基于图的方法模型可解释性数据稀疏性欺诈模式演变标注效率

引用

@article{arxiv.2411.05859,
  title  = {Enhancing Financial Fraud Detection with Human-in-the-Loop Feedback and Feedback Propagation},
  author = {Prashank Kadam},
  journal= {arXiv preprint arXiv:2411.05859},
  year   = {2024}
}

备注

International Conference on Machine Learning and Applications 2024

结合人工反馈与反馈传播增强金融欺诈检测

摘要

关键词

引用

备注

相关论文