典型文献
基于文本挖掘技术的信贷欺诈研究
文献摘要：
有效识别贷款申请欺诈倾向是维护借贷双方利益的首要前提,是金融借贷市场一直以来关注的重点.随着文本挖掘技术的发展,贷款申请人提供的贷款描述,使其传达的信息受到更多关注.研究中利用贷款描述文本对欺诈行为进行识别,有助于拓宽非结构化文本数据在金融市场日常交易中的应用.利用深度学习模型Transformer对文本信息进行提取,再用自动编码器对文本信息进一步抽取,最终得到文本信息测度.基于17个指标构建基准机器学习模型,进一步加入文本信息测度作为新的预测变量.样本外预测结果显示,文本信息测度有助于提升模型拟合效果,在不同模型中提升精度介于0.68％-1.42％之间,表明结果具有稳健性;特征重要性结果也表明,文本信息测度在模型预测结果的贡献度中位于前4.验证了文本信息在欺诈识别中的作用.
文献关键词：
文本挖掘;反欺诈;Transformer;自动编码器
中图分类号：
作者姓名：
刘娟娟;梁龙跃;蔡铉烨
作者机构：
贵州大学 经济学院,贵阳550025;中央财经大学 统计与数学学院,北京102206
文献出处：
引用格式：
[1]刘娟娟;梁龙跃;蔡铉烨-.基于文本挖掘技术的信贷欺诈研究)[J].智能计算机与应用,2022(07):52-58,68
A类：
B类：
文本挖掘技术,信贷,贷款,金融借贷,申请人,欺诈行为,非结构化,结构化文本,文本数据,金融市场,深度学习模型,Transformer,文本信息,自动编码器,信息测度,指标构建,机器学习模型,预测变量,样本外预测,模型拟合,拟合效果,特征重要性,贡献度,反欺诈
AB值：
0.316622
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
