ارائه ی روشی هوشمند مبتنی بر جنگل تصادفی برای کشف الگوهای تراکنش های مشکوک به قمار

قمار الکترونیکی از جمله جرایمی است که هم از جنبهی کلاهبرداری و هم از جنبهی پولشویی به سلامت مالی جامعه آسیب میرساند. از اینرو کشف و پیشگیری موارد قمار از ضروریات هر جامعه است. از مشکلات و پیچیدگیهای کشف تقلبهای الکترونیکی، حجم زیاد تراکنشهای الکترونیکی و بکارگیری روشهای هوشمندانه توسط متقلبان برای مخفی نگاه داشتن رد تراکنشها میباشد. لذا در سالهای اخیر استفاده از ابزارهای نوین تحلیل داده مانند الگوریتمهای یادگیری ماشین و هوش مصنوعی، در کشف موارد مشکوک به تقلب کاربرد فراوانی داشته است. در این مقاله نیز با یک نمونهگیری مناسب از دادههای تراکنشی کارتها در دورههای زمانی مجزا، یک مدل ترکیبی متشکل از چند درخت تصمیم مبتنی بر جنگل تصادفی برای کشف موارد مشکوک به قمار ارائه شده است که در نهایت یک مدل ابر جنگل تصادفی ) hrf ( ایجاد میشود که میزان مشکوک بودن هر کارت به عمل قمار را، با استفاده از یک تابع حساسیت، بهصورت یک عدد بین 0 تا 1 محاسبه میکند.