社交网络分析

R 中的欺诈检测

Bart Baesens

Professor Data Science at KU Leuven

社交网络要素

节点（顶点）

客户
公司
产品
信用卡
账户
网页

玩具图 01

社交网络要素

边（Edges）

不同关系：如转账、通话、好友、疾病传播、引用

玩具图 02

社交网络要素

边（Edges）

不同关系：如转账、通话、好友、疾病传播、引用
可加权：如交互频率、信息重要性、亲密度、情感强度

玩具图 03

社交网络要素

边（Edges）

不同关系：如转账、通话、好友、疾病传播、引用
可加权：如交互频率、信息重要性、亲密度、情感强度
可定向：如入边或出边

玩具图 04

社交网络表示

社会关系图

社交网络表示

连通性矩阵

社交网络表示

邻接表

社交网络表示

邻接表

迈向网络

从交易型数据源 …

print(transactions)

   originator beneficiary amount  time benef_country payment_channel
1        ID14        ID16    102 22:47           GBR         CHAN_04
2        ID14        ID15    125 20:21           USA         CHAN_02
3        ID02        ID01   1067 10:45           CAN         CHAN_04
4        ID05        ID06     59 15:40           USA         CHAN_02

… 使用函数 graph_from_data_frame(){{1}} 构建网络

library(igraph)
network <- graph_from_data_frame(transactions, directed = FALSE)

plot(network)

普通网络图

E(network)

+ 16/16 edges from 297af3c (vertex names):
 [1] ID02--ID01 ID11--ID04 ID04--ID01 ID04--ID03 ID03--ID01 ID08--ID09
 [7] ID14--ID15 ID03--ID14 ID05--ID06 ID11--ID12 ID02--ID05 ID11--ID13
[13] ID02--ID08 ID14--ID16 ID08--ID10 ID05--ID07

V(network)

+ 16/16 vertices, named, from 297af3c:
ID02 ID11 ID04 ID03 ID08 ID14 ID05 ID01 ID09 ID15 ID06 ID12 ID13 ID16 ID10 ID07

V(network)$name

"ID02" "ID11" "ID04" "ID03" "ID08" "ID14" "ID05" ... "ID16" "ID10" "ID07"

重叠边

plot(net)

E(net)$width <- count.multiple(net)

edge_attr(net)

$width
7 7 7 7 7 7 7 1 1 1 4 4 4 4 1 1

多重边

重叠边

E(net)$curved <- FALSE
plot(net)

加权边

¡Vamos a practicar!

R 中的欺诈检测