FDHelper:通过交互式特征选择和评估辅助无监督欺诈检测专家
作者
可解释人工智能(XAI)交互式数据可视化数据科学家与分析师AI/ML 研究员与工程师
在线欺诈是现代互联网众所周知的阴暗面。无监督的欺诈检测算法被广泛用于解决这个问题。然而,选择特征、调整超参数、评估算法以及消除误报都需要人类专家的参与。在这项工作中,我们基于对黑市机制和欺诈检测算法的深入了解,设计并实现了一个端到端的交互式可视化系统FDHelper。我们根据欺诈检测算法专家和领域专家的经验确定了一个工作流程。使用嵌入基于熵的距离度量ColDis的多粒度三层可视化地图,分析师可以交互式地选择不同的特征集,优化欺诈检测算法,调整参数并在接近实时的情况下评估检测结果。我们通过两个案例研究、与领域专家和算法专家的访谈以及一项有八名首次使用的最终用户参与的用户研究,证明了FDHelper的有效性和重要性。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 80%
iScore:用于解释语言模型自动评分摘要的可视化分析
IUI '24· 可解释人工智能(XAI) +1
- 67%
色域:一项设计探针以理解数据科学家如何理解机器学习模型
CHI '19· 可解释人工智能(XAI) +2
- 67%
从机器中诞生的用户:仿真作为人机循环文本分析中的设计探测
CHI '21· 可解释人工智能(XAI) +3
- 67%
分析师如何理解和验证AI辅助的数据分析?
CHI '24· 大语言模型(LLM)的人机协作 +2
- 67%
TSEditor:用于隐私保护的时间序列交互式编辑系统
CHI '26· 数据隐私感知与决策 +2
- 67%
交互式可解释排序
CHI '26· 可解释人工智能(XAI) +2
- 67%
PleaSQLarify:面向自然语言数据库查询的视觉语用修复
CHI '26· 大语言模型(LLM)的人机协作 +2
- 67%
XAutoML:用于理解和验证自动化机器学习的可视化分析工具
IUI '24· 可解释人工智能(XAI) +2
- 67%
OntoScope:利用发散-收敛交互框架支持基于 LLM 的本体论范围界定
IUI '26· 大语言模型(LLM)的人机协作 +2
- 67%
SCSimulator:一种基于大语言模型多智能体模拟的供应链合作伙伴选择探索性可视化分析框架
IUI '26· 大语言模型(LLM)的人机协作 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376140
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
9 位作者
sell
研究子方向
可解释人工智能(XAI)、交互式数据可视化
work
职业/产业
数据科学家与分析师、AI/ML 研究员与工程师
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文