一种基于BERT文本分类技术的信用卡数据欺诈行为识别方法技术

本项发明专利技术提出了一种基于文本分类技术的信用卡欺诈行为识别方法。该方法包括以下步骤：（1）获取信用卡欺诈数据集，所述数据集中有28万笔交易数据，492笔盗刷，正例（被盗刷）占所有交易的0.172%（2）该方法通过对样本数据的分割，将训练数据和测试数据隔离，并在保证测试数据不在训练数据集中出现的前提下对训练数据进行增强，以保证数据的均衡性。（3）随着将数值数据转化为文本数据的方式，用户数据的数值信息和位置信息被向量化，能够表征用户的完整数据。（4）本项发明专利技术使用了BERT分类算法的Attention机制，通过调整权重以适应训练数据的位置信息和数值信息，进而构造了高效的文本分类模型，能够有效识别出信用卡数据中的欺诈行为。行为。行为。

【技术实现步骤摘要】
一种基于BERT文本分类技术的信用卡数据欺诈行为识别方法


[0001]本专利技术涉及一种基于BERT文本分类技术的信用卡数据欺诈行为识别方法。

技术介绍

[0002]在二元分类领域，类别不平衡问题是指某一类别的样本数量远少于另一类别样本的数量。传统的分类模型往往对大样本具有较高的识别率，然后对小样本的分类性能很差。许多现实应用问题都可以看作类别不平衡数据分类任务。在信用卡欺诈检测领域中，信用卡数据随着用户交易每时每刻都在产生，数据量巨大，且数据分布是不断变化的。我们可以将信用卡数据的维度与文本数据的位置信息相关联，并将用户数据视为文本数据进行处理。
[0003]在解决类别不平衡数据分类问题时，我们需要对模型进行调整，以便在识别率较高的同时保证对小样本的分类性能。常见的解决方法包括数据重采样、调整算法的决策权重以及使用集成学习等。此外，对数据进行预处理也是非常重要的。我们可以考虑在维度信息中引入一些相关性，或者使用一些数据生成方法来增加小样本的数量。总之，通过合理的解决方案和预处理技巧，我们可以得到更好的解决类别不平衡数据分类问题的效果。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BERT文本分类技术的信用卡数据欺诈行为识别方法，其特征在于，包括以下步骤：步骤1：获取信用卡欺诈数据集；步骤2：数据预处理；步骤3：数据重采样；步骤4：数据格式转换，将数值类型数据转换成文本数据；步骤5：将训练集转换后的文本进行训练，并保存最优模型；步骤6：将测试集输入最佳模型中进行测试，验证该模型的检测与识别效果。2.根据权利要求1所述的一种基于BERT文本分类技术的信用卡数据欺诈行为识别方法。，其特征在于，所述步骤1中，信用卡欺诈数据集为欧洲人使用的信用卡进行交易的数据，此数据显示两天内交易的数据，数据集中有28万笔交易数据，数据集非常不平衡，其中492笔盗刷，正例（被盗刷）占所有交易的0.172%。3.根据权利要求1所述的一种基于BERT文本分类技术的信用卡数据欺诈行为识别方法。，其特征在于，所述步骤2中，数据预处理是首先需要剥离出测试数据，测试数据占所有数据的20%，在分离数据的过程中需要按照正负样例来分割。这一步的措施是保证测试数据不出现在训练和验证数据集中。保证测试过程的真实性以及评估模型对于未知数据的预测准确程度。4.根据权利要求1所述的一种基于BERT文本分类技术的信用卡数据欺诈行为识别方法。，...

【专利技术属性】
技术研发人员：刘钢，潘一文，陈志雨，郭建伟，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：