Resumen

La detección de fraudes en transacciones con tarjetas de crédito es un tema importante en la investigación financiera, con profundas implicaciones económicas. Aunque hasta ahora esto se ha abordado a través de técnicas de análisis de datos, las similitudes entre esto y otros problemas, como el diseño de sistemas de recomendación y de herramientas médicas de diagnóstico/pronóstico, sugieren que un enfoque de red compleja puede ofrecer importantes beneficios. En este documento presentamos un primer algoritmo de clasificación híbrido de minería de datos/redes complejas, capaz de detectar casos ilegales en un conjunto de datos reales de transacciones con tarjetas. Está basado en un algoritmo de reconstrucción de red propuesto recientemente que permite crear representaciones de la desviación de una instancia de un grupo de referencia. Mostramos cómo la inclusión de características extraídas de la representación de datos de la red mejora la puntuación obtenida por un algoritmo de clasificación estándar basado en redes neuronales y además cómo este enfoque combinado puede superar a

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Detección; Fraudes; Transacciones con tarjeta de crédito; Técnicas de análisis de datos; Enfoque de red compleja; Minería de datos híbrida
• Keywords:Detection; Frauds; Credit card transactions; Data analysis techniques; Complex network approach; Hybrid data mining