Fraudedetectie met Natural Language processing en AI

Automatische fraude-detectie bij banken vindt op dit moment vooral plaats op basis van tabulaire gegevens (gestructureerde data) en graven. Transacties kunnen bijvoorbeeld als frauduleus worden aangemerkt op basis van tijdstip, netwerken van tegenpartijen, hoogte van het bedrag, etc. Huidige partijen passen anomalie detectie algoritmes toe op dit soort gegevens en trachten op die manier fraudegevallen te vinden.....Er wordt vrijwel nog geen gebruik gemaakt van ongestructureerde (tekst)data. Toch is deze in hoge mate voorhanden in de vorm van archiefdata, klantdocumentatie, omschrijvingen in transacties, en dergelijke. In dit project onderzoekt Documole de technische en economische haalbaarheid van fraudedetectieprogrammatuur die gestructureerde gegevens obv NLP en AI aanvult met tientallen tot honderden datapunten uit ongestructureerde data, en zo uitmondt in betere modellen en een grotere pakkans voor fraudeurs.