4、巴西采购欺诈检测中的概率本体知识融合

巴西采购欺诈检测中的概率本体知识融合

1. 采购概率分析

在采购场景中，存在非可疑采购和可疑采购两种情况，其概率分布如下：
|采购类型|使用会计指标定向特定企业的概率|定向特定企业的概率|
| ---- | ---- | ---- |
|非可疑采购|0.01%|0.10%|
|可疑采购|55.00%|信息省略时29.77%，信息给出时72.00%|

CGU的专家对使用PR - OWL/MEBN在UnBBayes中开发的概率本体所生成的知识进行了分析并表示认同。通过将结果概率解释为某事为真的高、中、低可能性，专家能够表明这些概率反映了他在分析相同个体和证据时的想法。

对于概念验证模型生成的SSBN，它们具有相同的结构。但在实际中，采购的上下文通常会有所不同，这就需要不同结构的SSBN。例如，一些采购除了四个常见指标外，还包含其他指标。若有两个额外指标（index5和index6），那么生成的SSBN中，节点hasIndexType(index)和hasMinIndexValue(index)会多两个副本。标准贝叶斯网络无法处理这种结构变化的问题，而MEBN这种更具表达力的形式主义则具备根据上下文复制节点的能力。

2. 语义网在欺诈检测中的作用

欺诈检测领域是一个信息源不确定的环境（RIS）。CGU的数据不仅来自自身的审计和检查，还可从其他联邦机构获取补充信息，如联邦税务局、联邦警察等。
例如，当我们知道赢得采购的企业信息，想要了解其所有者的个人数据和年收入时，这些信息无法从CGU数据库获取，而需从联邦税务局数据库中检索。获取所有者信息后，若要检查其犯罪历史，则需使用联邦警察的信息。这体现了