مطالعه مقایس های بین الگوریتم های استخراج قوانین وابستگی برای سیستم پشتیبان تصمیم گیری در بانکداری
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 633
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC02_342
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
کشف دانش از مجموعه داده های بزرگ حاصل پردازش های متنوعی با نام داده کاوی است. امروزهکاربرد داده کاوی در امور حساسی همچون بانکداری بسیار رو به گسترش است. در واقع، استفاده ازالگوریتم ها و ابزارهایی که به عنوان پشتیبان تصمیم گیری در این زمینه ارائه می گردند هم احتمالخطاها (خطای انسانی عمدی و یا سهوی) را کاهش می دهند و هم در زمان و هزینه صرفه جوییمی کنند. کاوش الگوهای پرتکرار یک بخش بسیار مهم در داده کاوی است. در این مقاله هدفبررسی الگوریتم های استخراج قوانین مختلف شامل Apriori ، Predictive Apriori وTertius به منظور کمک به تصمیم گیری بهتر در حوزه بانکداری و اعطای حسابهای دارای امتیازخاص به مشتریان می باشد. در این راستا، ما به دنبال کشف الگوها و قوانین بهتر از داده ها هستیم. بهمنظور آزمایش و بررسی الگوریتم ها از ابزار Weka استفاده می کنیم. تحلیل نتایج نشان میدهد کهتعداد فرزند و وضعیت تاهل دو صفت تاثیرگذار درصفت هدف این مساله هستند. علاوه براین، بامقایسه نتایج مشخص شد که الگوریتم Apriori کارایی بهتری از نظر زمان نسبت به دو الگوریتمدیگر دارد، درحالیکه دو الگوریتم Predictive Apriori و Tertius قوانین مطلوبتریاستخراج کرده و امکان تصمیم گیری بهتر از نظر دقت را فراهم می کنند.
کلیدواژه ها:
نویسندگان
زینب نظامی
دانشجوی دکتری، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان
احمد براآنی دستجردی
دانشیار، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :