在基于機(jī)器學(xué)習(xí)的諸多應(yīng)用中,采用的多是強(qiáng)監(jiān)督學(xué)習(xí)方法,但這類方法對標(biāo)簽的依賴性極強(qiáng)。在一些應(yīng)用場景中,標(biāo)簽的獲取往往非常困難,如互聯(lián)網(wǎng)金融中的網(wǎng)絡(luò)借貸場景。為了解決這一問題,研究弱監(jiān)督學(xué)習(xí)領(lǐng)域的相關(guān)算法,探索相關(guān)算法在網(wǎng)絡(luò)借貸反欺詐方面的應(yīng)用,并在一個銀行的網(wǎng)絡(luò)借貸數(shù)據(jù)集上實(shí)現(xiàn)了一個基于弱監(jiān)督相關(guān)算法的反欺詐模型。結(jié)果顯示,所采取的基于圖的弱監(jiān)督算法能夠有效識別借貸欺詐。 

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 相關(guān)工作
2 方法設(shè)計
3 實(shí)驗(yàn)驗(yàn)證
    3.1 數(shù)據(jù)集簡介
    3.2 模型評估指標(biāo)
    3.3 實(shí)驗(yàn)性能
4 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]A brief introduction to weakly supervised learning[J]. Zhi-Hua Zhou.  National Science Review. 2018(01)



本文編號：3654189