زهرا نیازی - دانشجوی کارشناسی ارشد موسسه آموزش عالی شهریار، گروه مهندسی کامپیوتر، ایران، آستارا
مهدی سامعی راد - عضو هیات علمی موسسه آموزش عالی شهریار، گروه مهندسی کامپیوتر، ایران، آستارا
فرناز حسینی - عضو هیات علمی موسسه آموزش عالی شهریار، گروه مهندسی کامپیوتر، ایران، آستارا

بانک ها با ارایه تسهیلات و چرخش سرمایه سعی در باروری هرچه بشتر اقتصاد جوامع دارد. حال آن که وام گیرندگان نیز با بازپرداخت اقساط تسهیلات و مالیات مربوط به آن، نقش مهمی در رشد جامعه اقتصادی دارند. وجود تقلب در میان وام گیرندگان از دیدگاه مالیاتی می تواند موجب ایجاد خلل در امور مالی و سازمان های مالیاتی شود. بنابراین کشف اشخاص متلقب در زمینه پرداخت تسهیلات و مالیلات مربوط به آن از ملزومات سیستم های بانکی و موسسات مالی می باشد. از این رو در این مقاله سعی در کشف تقلب وام گیرندگان در سیستم بانکی ایران از دیدگاه مالیاتی با استفاده از تکنیکهای داده کاوی شده است. در این پژوهش تکنیک های داده کاوی روی مجموعه داده های مستخرج از سازمان امور مالیاتی اعمال شده و درنهایت نتایج به دست آمده با هم مورد مقایسه قرار گرفته است. نتایج پیاده سازی نشان می دهد، طبقه بندهای درخت تصمیم، SVM و بیزین با دقتی برابر %93.82 و مقدار معیار F-measure برابر با %96.81 بهترین عملکرد را در کشف تقلب در وام گیرندگان از دیدگاه مالیاتی در سیستم بانکی ایران دارند.

تشخیص تقلب، دیدگاه مالیاتی، طبقه بندی، درخت تصمیم، k نزدیکترین همسایه، شبکه های عصبی، ماشین پشتیبان بردار، بیزین