Inferența bazată pe rețele sociale

Detecția fraudelor în R

Tim Verdonck

Professor Data Science at KU Leuven

Inferența bazată pe rețele sociale

Obiectiv

Predicția comportamentului unui nod pe baza comportamentului altor noduri

Inferența bazată pe rețele sociale

Provocări

Datele nu sunt independente
- Comportamentul unui nod poate influența comportamentul altor noduri
- Comportament corelat între noduri
Inferență colectivă: inferențele despre noduri se pot influența reciproc

Non-relațional vs. relațional

Model non-relațional

Folosește doar informații locale
Regresie logistică, arbori de decizie, ...

Model relațional

Utilizează legăturile din rețea
Clasificator relațional de vecini

Clasificator relațional de vecini

Ipoteze

Homofilie: nodurile conectate tind să aparțină aceleiași clase ("vinovat prin asociere")
Unele etichete de clasă sunt cunoscute

Clasificator relațional de vecini

Probabilitatea de fraudă

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

Clasificator relațional de vecini cu ponderi

Probabilitatea de fraudă

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

Clasificator relațional de vecini

vertex_attr(network) ## Nodurile sunt etichetate cu 1 (fraudă), 0 (fără fraudă) sau NA (necunoscut)
$name

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

$isFraud

NA  1  0  1  0  0

edge_attr(network) ## Muchiile au o pondere

$weight

2 3 1 1 1

Clasificator relațional de vecini

## subgraph(): creează un subgraf cu nodul "?" și toate nodurile frauduloase
subnetwork <- subgraph(network, v = c("?", "B", "D"))

## strength(): sumează ponderile muchiilor adiacente pentru nodul "?"
prob_fraud <- strength(subnetwork, v = "?") / strength(network, v = "?")

prob_fraud

0.375

Să exersăm!

Detecția fraudelor în R