Anomaly Detection for Anti-Financial Crime

In un mondo ormai quasi del tutto digitalizzato, le banche gestiscono milioni di transazioni al giorno. Queste transazioni contengono campi soggetti a vincoli forti ma anche campi liberi, come ad esempio il beneficiario della transazione: ciò pone il problema di identificare correttamente gli intestatari di un conto bancario date delle transazioni verso lo stesso, per poter implementare politiche anti-frode . Un intestatario infatti, in un insieme di transazioni a lui indirizzate, potrebbe essere rappresentato in maniera diversa: usando acronimi, introducendo inavvertitamente degli errori di battitura, cambiando l’ordine di nome e cognome, e così via. In questo lavoro di tesi mostriamo il modo attuale per svolgere questo task, chiamato formalmente Entity Linking, e ne proponiamo uno nuovo basato su tecniche di Deep Learning, nello specifico riguardanti il campo del Natural Language Processing. Mostriamo le performance sia del sistema attuale che di quello proposto, comparandoli.