English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 58605/92268 (64%)
造訪人次 : 558214      線上人數 : 71
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/118567


    題名: 運用資訊融合與模型融合發展穩定高效能之電子商務詐騙偵測架構
    其他題名: Developing Stable and High-Performance E-Commerce Fraud Detection Framework Based on Information Fusion and Model Fusion
    作者: 張昭憲
    關鍵詞: 模型融合;資訊融合;詐騙偵測;電子商務;巨量資料分析
    日期: 2017-10-27
    上傳時間: 2020-04-11 12:11:50 (UTC+8)
    摘要: 電子商務的蓬勃發展有目共睹,但也引起有心人士的注意,在各種交易平台中進行詐騙。由於網路的隱蔽性與便利性,讓這些不法行為在短期內便快速成長,若不加以抑制,將嚴重影響其未來發展。電子商務的詐騙偵測雖已獲得高度關注,亦有許多方法被提出,但仍面臨諸多挑戰。為此,本計畫運用資訊融合與模型融合概念,發展有效的預測方法,以提供更穩定、準確的偵測結果。有關資訊融合,本研究提出了一套動態資料融合方法,先將訓練集依照類別分成多個群聚,再根據待測帳號的特性,選擇適合的群聚資料進行塑模,以提升模型的偵測效果。對於模型融合,本研究則以線性迴歸組合多種不同模型,以提供更穩定的預測結果。考量蒐集資料對於預測值的影響延遲效果,除一般模型外,我們亦將各種延遲模型納入融合過程。為驗證提出方法之有效性,我們針對上述方法分別進行實驗。結果顯示,在不同資料分割方式設定下,使用動態資料融合方法確有機會能提供更佳的偵測結果。當透過模型融合進行數值預測時,在僅考慮訓練集的狀況下,其預測關聯度可達0.910。當實際進行預測時,其關聯度仍亦達0.844,與單一模型相較,確可提供了良好的預測穩定性。
    關聯: 運用資訊融合與模型融合發展穩定高效能之電子商務詐騙偵測架構
    顯示於類別:[資訊管理學系暨研究所] 研究報告

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML93檢視/開啟
    運用資訊融合與模型融合發展穩定高效能之電子商務詐騙偵測架構.pdf1743KbAdobe PDF27檢視/開啟

    在機構典藏中所有的資料項目都受到原著作權保護.

    TAIR相關文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回饋