جلال الدین نصیری - استادیار، پژوهشگاه علوم و فناوری اطلاعات ایران )ایرانداک(
امیرمحمود میر - دانشجوی کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی، واحد تهران شمال
آرمان ساجدی نژاد - استادیار، پژوهشگاه علوم و فناوری اطلاعات ایران )ایرانداک(

شناسایی مشتریان تکراری در بانکها و موسسات مالی، یکی از کلیدیترین مراحل در سامانههای ضدپولشویی، رتبهبندی اعتباری و ذینفع واحد است. همچنین تکمیل و تصحیح اطلاعات هویتی مشتریان از کاربردهای دیگر استخراج مشتریان مشابه است. کد ملی و کد اقتصادی ثبت شده برای مشتریان حقیقی و حقوقی از اعتبار مناسبی برخوردار نیستند. در نتیجه شناسایی مشتریان یگانه از طریق اطلاعات هویتی مشتریان مانند نام، نام خانوادگی، نام پدر، تاریخ و محل تولد انجام میگیرد. اطلاعات هویتی مشتریان به زبان فارسی در پایگاه داده ثبت شده است و همین مسیله چالشهایی از قبیل کلمات چند املایی و اشتباهات نگارشی را ایجاد کرده است. در این مقاله، سامانه هوشمند تطبیق تقریبی اطلاعات هویتی برای شناسایی مشتریان تکراری طراحی و پیادهسازی شده و الگوریتم لوناشتاین برای تطبیق تقریبی اطلاعات فارسی هویتی مشتریان توسعه داده شده است. سامانه پیشنهادی بر روی مشتریان چندین بانک خصوصی و دولتی طراحی و اجرا شده است. نتایج نشان میدهد که سامانه ارایه شده از دقت و سرعت بالایی برخوردار است. نتایج پیادهسازی نشان میدهد که با استفاده از هرس هوشمندانه سرعتاستخراج مشتریان تکراری تقریبا تا 2 برابر بهبود یافته است.

مشتریان تکراری، متن کاوی، برنامه نویسی موازی، تطبیق تقریبی رشته