社群網路分析

R 的詐欺偵測

Bart Baesens

Professor Data Science at KU Leuven

社群網路元件

節點（vertices）

客戶
公司
產品
信用卡
帳戶
網頁

玩具圖

社群網路元件

邊（Edges）

不同關係，如匯款、通話、友誼、疾病傳播、引用

玩具圖

社群網路元件

邊（Edges）

不同關係，如匯款、通話、友誼、疾病傳播、引用
可加權，例如互動頻率、資訊交換重要性、親密度、情緒強度

玩具圖

社群網路元件

邊（Edges）

不同關係，如匯款、通話、友誼、疾病傳播、引用
可加權，例如互動頻率、資訊交換重要性、親密度、情緒強度
可具方向性，例如入邊或出邊

玩具圖

社群網路表徵

社交圖

社群網路表徵

連通矩陣

社群網路表徵

鄰接清單

社群網路表徵

鄰接清單

建立網路

從交易型資料來源開始…

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 graph_from_data_frame() 建立網路

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

plot(network)

繪製網路

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"

重疊邊

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

多重邊

重疊邊

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

加權邊

一起來練習吧！

R 的詐欺偵測