Geri Dön

Makine öğrenmesi destekli hile tespiti ve bir uygulama

Machine learning supported fraud detection and an application

PDF İndir

  1. Tez No: 769844
  2. Yazar: ÖNDER GÜR
  3. Danışmanlar: PROF. DR. BANU TARHAN MENGİ
  4. Tez Türü: Doktora
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Hile, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Muhasebe hata ve hileleri, Veri madenciliği, Fraud, Machine learning, Machine learning methods, Accounting mistakes and frauds, Data mining
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Muhasebe Finansman Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Çalışmada, işletmelerde sıklıkla karşılaşılan varlıkları kötüye kullanma hile türünün en yaygın grubu olan hileli ödemelerin verdiği zararı azaltmak için makine öğrenmesi yöntemlerinin kullanıldığı bir uygulama ile hile tespit sürecine katkının sağlanması amaçlanmıştır. Bu amaçla, elde edilmek istenen çıktılar için Python'da bir uygulama sistemi tasarlanmıştır. Çalışmada, kamuya açık finansal ve finansal olmayanlar bilgileri içeren 594.643 adetlik yapay veri setinden yararlanılmıştır. Veri seti kullanılarak Karar Ağacı, Destek Vektör Makinesi, Lojistik Regresyon ve Yapay Sinir Ağları tekniklerinin algoritmaları veri setinin %69'u ile önce eğitilmiş, sonra veri setinin %31'i ile test edilmiştir. Tekniklerin oluşturduğu değerler karşılaştırıldığında karar ağacı tekniği, %99,42 doğruluk, %75 f1-skor, %74 kesinlik ve %76 duyarlılık değerleriyle en anlamlı metrik değerlerini sağlayan ve bu süreçleri en hızlı (1,32sn) gerçekleştiren yöntem olmuştur. Bu doğrultuda karar ağacı tekniğiyle etiketsiz bir veri seti üzerinde modelin tahmin yapması sağlanmıştır. Uygulama sistemiyle yapılan tahminlere göre, hile ihtimali olan kayıtlar çapraz sorgulamalarla analiz edilmiştir. Çalışma, karar ağacı tekniğinin tahmin aşamasında ürettiği hatalı sınıf etiketlerinin azaltılması açısından iyileştirmeye açık olup, diğer tekniklerle karşılaştırılarak da geliştirilebilir.

Özet (Çeviri)

In this study, an application that uses machine learning methods to reduce the damage caused by fraudulent disbursements, the most common type of asset misuse fraud in businesses, was aimed to be used in the fraud detection process. To achieve this aim, a system application has been designed in Python for the outputs to be obtained. In the study, 594,643 artificial datasets containing public financial and non-financial information were used. The algorithms of Decision Tree, Support Vector Machine, Logistic Regression and Artificial Neural Networks were first trained with 69% of the dataset, then tested with 31% of the dataset. When the values generated by the techniques were compared, the decision tree technique was the most meaningful method with 99.42% accuracy, 75% f1-score, 74% precision and 76% sensitivity, and the fastest (1.32 seconds) method to perform these processes. In this direction, it was possible to predict the model on an unlabeled data set with the decision tree technique. The records with a likelihood of fraud were analyzed with cross-queries according to the predictions made with the application system. The study is open to improvement in terms of reducing the erroneous class labels produced in the prediction phase of the decision tree technique, and can also be improved by comparing with other techniques.

Benzer Tezler

  1. Tez No

    424514

    İnteraktif makine öğrenmesi kullanılarak, aktör-metâ ilişkisinin analizi ile sağlık geri ödeme sistemlerinde proaktif suistimal tespiti modeli

    An interactive machine-learning-based electronic fraud and abuse detection system in healthcare insurance

    İLKER KÖSE

    Doktora

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET GÖKTÜRK

  2. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Tez No

    855806

    Açıklanabilir yapay zekâ yöntemlerine dayalı bilgisayar destekli tahmin modelinin geliştirilmesi: metabolomik teknolojileri üzerine uygulaması

    Development of a computer-aided predictive model based on explainable artificial intelligence methods: application on metabolomics technologies

    FATMA HİLAL YAĞIN

    Doktora

    Türkçe

    Türkçe

    2024

    Biyoistatistikİnönü Üniversitesi

    Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı

    DOÇ. DR. HARİKA GÖZDE GÖZÜKARA BAĞ

    DR. ÖĞR. ÜYESİ DİNÇER GÖKSÜLÜK

  4. Tez No

    784585

    Auditors' perceptions of artificial intelligence: Evidence from global audit companies

    Denetçilerin yapay zekâya ilişkin algıları: Küresel denetim şirketlerinden bulgular

    YAĞMUR ŞEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Ekonomiİzmir Ekonomi Üniversitesi

    Ekonomi Ana Bilim Dalı

    PROF. DR. CUMHUR ÇOŞKUN KÜÇÜKÖZMEN

  5. Tez No

    752355

    Yuvarlatılmış burunlu geniş başlıklı savakların debi katsayılarının deneysel, sayısal ve makine öğrenmesi destekli belirlenmesi

    Determination of discharge coefficient for the rounded-nose broad-crested weirs by experimental, numerical and machine learning approaches

    HÜSEYİN YABAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İnşaat MühendisliğiEskişehir Osmangazi Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER DEMİREL

Geri Dön