ソーシャルネットワークに基づく推論

Rで学ぶ不正検知

Tim Verdonck

Professor Data Science at KU Leuven

ソーシャルネットワークに基づく推論

目的

他ノードの挙動から、あるノードの挙動を予測する

ネットワーク内の欠損ノード

ソーシャルネットワークに基づく推論

課題

データは独立でない
- あるノードの挙動が他ノードに影響
- ノード間で挙動が相関
集合推論: ノードの推論同士が影響し合う

ネットワーク内の欠損ノード

非関係 vs 関係モデル

非関係モデル

ローカル情報のみを使用
ロジスティック回帰、決定木など

ロジスティック回帰

関係モデル

ネットワークのリンクを活用
関係近傍分類器

単純なネットワーク

関係近傍分類器

前提

同類性: 接続されたノードは同じクラスになりやすい（連座推定）
一部のクラスラベルは既知

欠損ノード

関係近傍分類器

不正の確率

$$P(F | ?) = \frac{1 + 1}{1 + 1 + 1 + 1 + 1}=\frac{2}{5}= 40\%$$

欠損ノード

重み付き関係近傍分類器

不正の確率

$$P(F | ?) = \frac{1 + 2}{3 + 1 + 1 + 2 + 1}=\frac{3}{8}=37.5\%$$

重み付き欠損ノード

関係近傍分類器

vertex_attr(network) ## ノードは 1（不正）、0（非不正）、NA（不明）でラベル付け
$name

"?" "B" "C" "D" "E" "A"

$isFraud

NA  1  0  1  0  0

edge_attr(network) ## エッジには重みがあります

$weight

2 3 1 1 1

関係近傍分類器

## subgraph(): ノード「?」と不正ノードを含む部分グラフを作成
subnetwork <- subgraph(network, v = c("?", "B", "D"))

## strength(): ノード「?」に隣接するエッジ重みの合計
prob_fraud <- strength(subnetwork, v = "?") / strength(network, v = "?")

prob_fraud

0.375

Passons à la pratique !

Rで学ぶ不正検知