Построение векторной модели текстовой информации для анализа критерия выявления нелегальных сайтов, предлагающих микрофинансовые услуги

На сегодняшний день наблюдается стремительный рост объема мошеннических операций в области финансовых услуг населению, в частности большую долю в этом объеме занимают интернет-платежи, а также мошеннические Интернет-ресурсы, что делает задачу распознавание нелегальных веб-сайтов, предлагающих микрофинансовые услуги, наиболее актуальной. В данной работе проводится исследование предлагаемого критерия для выявления мошеннических финансовых услуг, основанный на анализе неструктурированных признаков, характеризующих содержимое подозрительных веб-ресурсов. Характеристики формируются на основе неструктурированных данных – текстовой информации, собранной с исследуемых онлайн-ресурсов. В ходе работы проведен сравнительный анализ моделей векторного представления текстовых данных, а именно модели, основанной на матрице положительной поточечной взаимной информации, Word2Vec и Doc2Vec. В дальнейшем был построен бинарный классификатор полученных представлений текстовых данных машиной опорных векторов. Для проверки эффективности построенной модели была использована перекрестная проверка, а также вычислены метрики качества классификации. Построенный в ходе работы алгоритм позволяет вычислять мошеннические веб-ресурсы, предлагающие микрофинансовые услуги, на основе текстовой информации с долей правильных ответов в 98,3%, что говорит об эффективности предлагаемой методики.