Dane tekstowe są często spotykane podczas wykrywania oszustw
Przydatne typy danych tekstowych:
E-maile od pracowników i/lub klientów
Opisy transakcji
Notatki pracowników
Pole opisu w formularzu roszczenia ubezpieczeniowego
Nagrane rozmowy telefoniczne
...
Techniki eksploracji tekstu w wykrywaniu oszustw
Wyszukiwanie słów
Analiza sentymentu
Częstotliwość słów i analiza tematyczna
Styl
Wyszukiwanie słów w wykrywaniu oszustw
Oznaczanie podejrzanych słów:
Prosta, bezpośrednia i łatwa do wyjaśnienia metoda
Wyniki dopasowania mogą służyć jako filtr dla modelu uczenia maszynowego
Wyniki dopasowania mogą być cechą w modelu uczenia maszynowego
Liczenie słów do oznaczania oszustw w pandas
# Using a string operator to find words
df['email_body'].str.contains('money laundering')
# Select data that matches
df.loc[df['email_body'].str.contains('money laundering', na=False)]
# Create a list of words to search for
list_of_words = ['police', 'money laundering']
df.loc[df['email_body'].str.contains('|'.join(list_of_words)
, na=False)]
# Create a fraud flag
df['flag'] = np.where((df['email_body'].str.contains('|'.join
(list_of_words)) == True), 1, 0)
Preparing Video For Download...
