Neural network methods in fraud detection applications

Abstract

Тема дипломной работы: «Использование нейросетевых методов в прикладных задачах определения мошенничества». Дипломная работа состоит из: введения, двух глав, заключения и списка литературы. В введении обоснована значимость темы исследования, а также описаны цели и задачи работы. В разделе «Постановка задачи» рассматриваются актуальность и значимость определения мошенничества на сайтах-агрегаторах рецензий с использованием нейросетевых методов. В «Обзоре литературы» анализируются существующие подходы и методы в данной области. Первая глава посвящена математической постановке задачи и формулировке парадигм работы с графовыми данными, включая пространственную, спектральную парадигму и трансформерные модели. Вторая глава описывает тестирование сравниваемых моделей, включая обзор наборов данных и метрик для оценки архитектур, их процесс обучения и сравнительный анализ результатов. В заключении подводятся итоги проделанной работы и делаются выводы о применимости и эффективности предложенного подхода. Объем дипломной работы составляет 33 страницы, включая иллюстрации и список использованной литературы.

Theme of the thesis: “Neural network methods in fraud detection applications”. The thesis consists of: introduction, two chapters, conclusion and list of references. In the introduction, the significance of the research topic is justified, and the goals and objectives of the work are described. In the “Problem Statement” section, the relevance and significance of fraud detection on review aggregator sites using neural network methods are discussed. The “Literature Review” analyzes the existing approaches and methods in this area. The first chapter is devoted to the mathematical formulation of the problem and the formulation of paradigms for working with graph data, including the spatial, spectral paradigm and transform models. The second chapter describes the testing of the compared models, including an overview of the datasets and metrics for evaluating the architectures, their training process, and a comparative analysis of the results. The conclusion summarizes the work done and draws conclusions about the applicability and effectiveness of the proposed approach. The thesis is 33 pages long, including illustrations and a list of references.