| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Mākslīgā intelekta risinājumu izpēte krāpniecisku finanšu darījumu atklāšanā |
| Nosaukums angļu valodā |
Research on Artificial Intelligence Solutions for the Financial Fraud Detection |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Sintija Petroviča-Kļaviņa |
| Recenzents |
Gustavs Ēvalds |
| Anotācija |
Mūsdienās, pieaugot digitālo maksājumu skaitam, aizvien lielāka nozīme ir
finanšu drošībai un krāpniecisku darījumu atklāšanai. Darbā tiek pētītas mākslīgā
intelekta iespējas krāpniecisku finanšu darījumu atklāšanā, īpašu uzsvaru liekot uz
klasterizācijas algoritmiem.
Pētījuma mērķis bija izpētīt mākslīgā intelekta risinājumu pielietojuma iespējas
krāpniecisku finanšu darījumu atklāšanā. Tāpēc tika izvēlēti pieci dažādi klasterizācijas
algoritmi, kuri tika pārbaudīti uz to piemērotību atklāt krāpnieciskus datus, arī izstrādāt
algoritmu izvēles rekomendāciju, lai būtu vieglāk izvēlēties algoritmu. Pētnieciskā daļa
tika veikta KNIME vidē, izmantojot trīs dažāda rakstura datu kopas: nesabalansētu,
sabalansētu ar SMOTE metodi un sākotnēji sabalansētu datu kopu. Rezultāti tika
novērtēti ar silueta koeficientu, koriģēto Randa indeksu (ARI) un savstarpējo
informāciju (MI).
Iegūtie rezultāti rāda, ka klasterizācijas algoritmus var izmantot, lai atšķirtu
krāpnieciskus ierakstus no legāliem, it īpaši, ja datu kopa ir sabalansēta. Labākos
rezultātus kopsummā uzrādīja uz blīvuma balstītās klasterizācijas algoritms, kamēr citi
algoritmi bija jutīgāki pret klašu sadalījumiem. Nobeigumā izstrādāta algoritmu izvēles
rekomendācija, kura ir pārbaudīta uz citas kopas, kas netika izmantota pētījuma
ietvaros, tādejādi parādot tās praktisko piemērotību.
Darba apjoms – 69 lappuses, 13 attēli, 12 tabulas, 5 pielikumi, 54 izmantotie
informācijas avoti. |
| Atslēgas vārdi |
mākslīgais intelekts, nepārraudzītā mašīnmācīšanās, klasterizācija, krāpniecisku finanšu darījumu atklāšana |
| Atslēgas vārdi angļu valodā |
artificial intelligence, unsupervised machine learning, clustering, fraudulent financial transaction detection |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
27.05.2025 13:20:08 |
