琚春华^1,2，陈冠宇^1,2,3，鲍福光^1,2

1. 浙江工商大学现代商贸研究中心, 杭州 310018;2. 浙江工商大学管理 工程与电子商务学院, 杭州 310018; 3. 浙江工商大学计算机与信息 工程学院,杭州 310018

出版日期:2021-02-25发布日期:2021-04-19

KNN-Smote-LSTM Based Consumer Financial Risk Detection Model: A Case Credit Card Fraud Detection

JU Chunhua ^1,2,3 ,CHEN Guanyu ^1,2 ,BAO Fuguang ^1,2

1. Department of Modern Business Research Center, Zhejiang Gongshang University, Hangzhou 310018; 2. School of Management Science and Engineering, Zhejiang Gongshang University, Hangzhou 310018; 3. College of Computer Science and Information Engineering, Zhejiang Gongshang University, Hangzhou 310018

Online:2021-02-25Published:2021-04-19







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

由于移动网络应用与电子支付业务量不断增长, 信用卡欺诈的情况也呈现 快速增长的趋势, 由此给金融机构和运营商带来了巨大的挑战. 欺诈检测问题本质上是不平衡的序列二分类问题, 这类问题数据样本规模大, 计算复杂度高, 数据分布极 不平衡, 数据与数据之间会存在序列关系. 文章使用长短期记忆网络(long short term memory networks, LSTM)结合历史交易序列, 并针对交易数据不平衡的特性, 整合了合成少数类过采样技术(synthetic minority oversampling technique, Smote)算法和k最近邻(k-nearest neighbor, kNN)分类算法设计并构建了一个基于kNN-Smote-LSTM的信用卡欺诈检测网络模型, 它 可以通过kNN判别分类器来不断筛选出安全生成样本来提升模型的性能, 克服了Smote算法在生成 新样本时的盲目性和局限性, 实证表明通过kNN-Smote-LSTM模型结构化的融合可以大大改善模型组合时对多数类的误分类问题, 展现了优越的风险检测性能.

分享此文:

()

No related articles found!

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=14145