• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

ФИО студента
Название работы
Руководитель
Факультет
Программа
Оценка
Год защиты
Володкина Екатерина Олеговна
Использование нейросетевых моделей обучения скрытого вектора представлений карточных транзакций клиента банка для разных прикладных задач
Кузьмин Александр Николаевич
2019
Модели искусственных нейронных сетей активно применяются как в научных исследованиях, так и в различных прикладных задачах. Популярность нейросетевые модели заслужили за счет своей гибкости и обширному полю задач, которые они могут решать: от стандартных моделей на плоских таблицах до анализа текстов, изображений, музыки, видео.

Банк, осуществляя свою деятельность, собирает и накапливает большое количество данных по клиенту, в том числе данные по карточным транзакциям. Клиенты банка совершают огромное количество транзакций, который могут характеризовать их поведение. Транзакционные данные имеют временную структуру.

В рамках исследования проверяется гипотеза, что последовательность транзакций содержит поведенческую информацию о клиенте. Целью данной работы является извлечение значимой информации из транзакционных данных по клиентам, а именно, обучение скрытых векторных представлений транзакционного поведения клиента.

В рамках данной работы планируется обучение LSTM-автоэнкодера на карточных транзакциях банка. В модель будут подаваться скользящие окна последовательных транзакций на уровне одного клиента. Задачей автоэнкодера является получение вектора, содержащего информацию обо всех транзакциях входящего окна, которой достаточно для воссоздания входящей последовательности с определенной точностью.

В качестве моделей, к которым будут добавлены обученные векторные представления транзакций и их производные, выступают модели оценки вероятности дефолта договоров первичных и вторичных предложений банка, уже содержащие простые агрегаты, не учитывающие временную зависимость.

Обученные с помощью LSTM-автоэнкодера векторные представления транзакционных данных дали существенный прирост качества существующих моделей (2,4-3,7 Джини), что свидетельствует о том, что данный метод

позволяет извлечь временную зависимость транзакций, что может давать дополнительную поведенческую характеристику клиента.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Расширенный поиск ВКР