线上个人资料收集系统

後續研究者可擴展至其它族群為研究對象。
(2)運用工具
亦可運用其它分類工具，如類神經網路等。
(3)預測準確率
在某些情況下預測準確率尚不理想，後續學
者做深入的探討。
2018/9/23
16
5
1.2
研究目的
•(1) 建構一個線上個人資料蒐集系統。 •(2) 方便分析者分析資料，不必再經過 繁雜的資料轉換。 •(3) 透過支持向量機建立個人化模型。 •(4) 在有限的資料下，達成高的盜刷 偵測率。
2018/9/23 6
1.3 系統流程
使用線上問卷調查系統收集資料 從資料庫中擷取分析資料 使用SVM…等格式來建立個人消費模 型
線上個人資料收集系統
指導教授：陳同孝教授
陳榮昌教授
指導學生：張均東
王榮源
2018/9/23
1
大綱
1.簡介
2.系統回顧 3.研究方法 4.實驗結果 5.結論
2018/9/23
2
1.
1.1 1.2
簡
介
研究背景與動機 研究目的
1.3 系統流程
2018/9/23
3
1.1 研究背景與動機(1/2)
• 由於使用信用卡的頻率增加，改變了消 費者的付款習慣，逐漸取代了傳統的現 金交易。相對的，信用卡的盜刷問題也 日益嚴重。
2018/9/23
10
3.2 人機介面更具親和力
2018/9/23
11
3.3 分類分析
•將消費項目分成六大項目，並依使用 者所選的項目比重，所產生的問題而 不同（例：選食為1時，食的問題會比 較多）。
2018/9/23
12
4.實驗結果
• 新系統與舊系統矛盾率比較:
週數 第一週 第二週 第三週 第四週 第五週 矛盾率 舊系統 0.21 0.24 0.19 0.31 0.28 新系統 0.07 0.14 0.09 0.08 0.10 0.05
第六週
0.31
表4.1 N=200，矛盾率比較
2018/9/23
13
5.結論及建議
5.1 結論 5.2 建議
2018/9/23
14
5.1 結論
•在使用者前端，採用人機介面，方便使 用者輸入資料。 •在使用者後端，採用多種檔案的格式選 擇，方便使用者來分析。
2018/9/23
15
5.2 建議
(1)研究族群
年份 2002年 2000年6月 | 2001年6月 2004年
2018/9/23
地區 全球 台灣 台灣
盜刷金額(新台幣) 259億5,200萬元 28億8,000萬元 4億4,800萬元
4
表1.1 盜刷金額一覽表
1.1 研究背景與動機(2/2)
•動機： 找出一個有效的方法來改善盜刷問 題。
2018/9/23
訓練資料
預測一筆新的交易是 否為盜刷
判斷盜刷交易
判斷為正常交易
2018/9/23
7
2.系統回顧
• 新系統將項目細分更小，更降低了矛盾 率的產生。
2018/Fra Baidu bibliotek/23 8
3. 研究方法
3.1 資料蒐集 3.2 人機介面更具親和力 3.3 分類分析
2018/9/23
9
3.1 資料蒐集
(1) 蒐集資料來源 (2) 分析資料 (3) 規劃線上個人資料蒐集系統: 選用ASP作為開發線上個人資料蒐集 系統的程式語言。