Bài viết Phát hiện mẫu bất thường cho trong doanh nghiệp bán lẻ bằng phân tích motif khai phá motif cho chuỗi thời gian và phát hiện bất thường bằng thuật toán học máy rừng ngẫu nhiên được đề xuất. Một mô hình xác định các mẫu hành vi gian lận và phân loại các đối tượng trong bài toán phát hiện bất thường ở cấp độ tài khoản được mô hình hoá. | TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC ISSN 1859 - 4557 PHÁT HIỆN MẪU BẤT THƯỜNG CHO TRONG DOANH NGHIỆP BÁN LẺ BẰNG PHÂN TÍCH MOTIF FRAUD PATTERN DETECTION BY MOTIF DISCOVERY IN RETAIL BUSINESS Phạm Ngọc Quang Anh1 2 Vũ Thành Nam1 Hoàng Văn Đông1 Lê Anh Ngọc3 Nguyễn Thị Ngọc Anh1 1. Viện Toán ứng dụng và Tin học Đại học Bách khoa Hà Nội 2. Viện nghiên cứu ứng dụng Công nghệ CMC 3. Đại học FPT Việt Nam Ngày nhận bài 12 11 2021 Ngày chấp nhận đăng 06 06 2022 Phản biện TS Nguyễn Thị Thanh Tân Tóm tắt Những khách hàng xấu thực hiện các hành vi gian lận trong các giao dịch tài chính gây thiệt hại về kinh tế và là mối nguy hiểm cho các công ty tổ chức. Trong thời gian gần đây các giao dịch bùng nổ bởi sự phát triển của các giao dịch tài chính qua mạng và di động trên toàn thế giới. Vì vậy việc xử lý giao dịch và phát hiện những hành vi bất thường từ hàng trăm ngàn giao dịch với vô số loại hành vi khác nhau không còn phù hợp với phương thức xử lý thủ công. Trong bài báo này việc khai phá motif cho chuỗi thời gian và phát hiện bất thường bằng thuật toán học máy rừng ngẫu nhiên được đề xuất. Một mô hình xác định các mẫu hành vi gian lận và phân loại các đối tượng trong bài toán phát hiện bất thường ở cấp độ tài khoản được mô hình hoá. Mô hình đề xuất được thử nghiệm và sau đó sử dụng để phát hiện ra các khách hàng bất thường trong dữ liệu hoạt động bán lẻ. Bằng thực nghiệm chỉ ra mô hình có độ chính xác F1 là 75 . Từ khóa Phát hiện bất thường khai phá mô-típ nhận dạng mẫu học máy Abstract Bad customers do fraud behavior in financial transactions is cause of economic losses and the threat for companies and organizations. Transactions exploded recently because of the development of mobile online transactions in whole the world. Therefore transaction processing and detecting anomalous behavior from hundreds of thousands of transactions with various types of behavior are no longer suitable for manual processing. In this paper motif discovery for .
