Support Vector Machines: An Inclusive Survey in Financial Fraud Detection

2025

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/snpd65828.2025.11488171
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

In the financial industry, using of several Machine Learning (ML) algorithms and artificial intelligence (AI) models has simplified the solution and detection of main problems related to its wide landscape. One of the most broadly used techniques of ML is Support Vector Machine (SVM) which owns its specific algorithms appropriated to detect frauds in financial applications. The reason why it is widely used in this field is that it can work well with High Dimensional Data (HDD) in applications where the number of features is greater than number of observations. Also, this technique is less susceptible to overfitting of HDD which makes it suitable for use in these cases.