Inference na základě sociální sítě

Detekce podvodů v R

Tim Verdonck

Professor Data Science at KU Leuven

Inference na základě sociální sítě

Cíl

Předpovědět chování uzlu na základě chování ostatních uzlů

Chybějící uzly v síti

Inference na základě sociální sítě

Výzvy

Data nejsou nezávislá
- Chování jednoho uzlu může ovlivnit chování jiných uzlů
- Korelované chování mezi uzly
Kolektivní inference: závěry o uzlech se mohou navzájem ovlivňovat

Chybějící uzly v síti

Nerelační vs. relační

Nerelační model

Využívá pouze lokální informace
Logistická regrese, rozhodovací stromy, ...

Relační model

Využívá vazby v síti
Klasifikátor relačních sousedů

Klasifikátor relačních sousedů

Předpoklady

Homofilie: propojené uzly mají tendenci patřit do stejné třídy ("vina ze spojení")
Některé třídní popisky jsou známé

Chybějící uzel

Klasifikátor relačních sousedů

Pravděpodobnost podvodu

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

Chybějící uzel

Klasifikátor relačních sousedů s váhami

Pravděpodobnost podvodu

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

Chybějící uzel s váhami

Klasifikátor relačních sousedů

vertex_attr(network) ## Uzly jsou označeny jako 1 (podvod), 0 (bez podvodu) nebo NA (neznámé)
$name

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

$isFraud

NA  1  0  1  0  0

edge_attr(network) ## Hrany mají váhu

$weight

2 3 1 1 1

Klasifikátor relačních sousedů

## subgraph(): vytvoří podgraf obsahující uzly "?" a všechny podvodné uzly
subnetwork <- subgraph(network, v = c("?", "B", "D"))

## strength(): součet vah hran sousedních hran uzlu "?"
prob_fraud <- strength(subnetwork, v = "?") / strength(network, v = "?")

prob_fraud

0.375

Pojďme si procvičit!

Detekce podvodů v R