Publikace detail

Interpretable Fuzzy Rule-Based Systems for Detecting Financial Statement Fraud

Autoři: Hájek Petr

Rok: 2019

Druh publikace: článek ve sborníku

Název zdroje: IFIP Advances in Information and Communication Technology. Vol. 559

Název nakladatele: Springer

Místo vydání: Berlin

Strana od-do: 425-436

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Interpretovatelné fuzzy pravidlové systémy pro detekci finančních podvodů	Systémy pro odhalování podvodů s finančními výkazy přitahují značný zájem ve výzkumu výpočetní inteligence. K automatické detekci podvodných společností byly použity různé klasifikační metody. Předchozí výzkum se však zaměřil na vývoj vysoce přesných detekčních systémů, přičemž zanedbával interpretovatelnost těchto systémů. Zde navrhujeme nový fuzzy detekční systém založený na pravidlech, který integruje komponentu pro selekci atributů a extrakci pravidel pro dosažení vysoce interpretovatelného systému z hlediska složitosti a granularity pravidel. Konkrétně používáme genetickou selekci atributů k odstranění irelevantních atributů a poté provádíme srovnávací analýzu nejmodernějších fuzzy systémů založených na pravidlech, včetně FURIA a evolučních fuzzy systémů založených na pravidlech. Ukazujeme, že použití takových systémů vede nejen ke konkurenceschopné přesnosti, ale také k žádoucí interpretovatelnosti. Toto zjištění má důležité důsledky pro auditory a ostatní uživatele detekčních systémů podvodů s finančními výkazy.	Evoluční algoritmy; podvod s finančními výkazy; fuzzy pravidlový systém; interpretovatelnost
eng	Interpretable Fuzzy Rule-Based Systems for Detecting Financial Statement Fraud	Systems for detecting financial statement frauds have attracted considerable interest in computational intelligence research. Diverse classification methods have been employed to perform automatic detection of fraudulent companies. However, previous research has aimed to develop highly accurate detection systems, while neglecting the interpretability of those systems. Here we propose a novel fuzzy rule-based detection system that integrates a feature selection component and rule extraction to achieve a highly interpretable system in terms of rule complexity and granularity. Specifically, we use a genetic feature selection to remove irrelevant attributes and then we perform a comparative analysis of state-of-the-art fuzzy rule-based systems, including FURIA and evolutionary fuzzy rule-based systems. Here, we show that using such systems leads not only to competitive accuracy but also to desirable interpretability. This finding has important implications for auditors and other users of the detection systems of financial statement fraud.	Evolutionary algorithms; Financial statement fraud; Fuzzy rule-based systems; Interpretability

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte