مدیریت ارتباط با مشتری در صنعت بانکداری با استفاده از داده کاوی)الگوریتم شبکه عصبی و ازدحام ذرات(

مدیریت ارتباط با مشتری در صنعت بانکداری با استفاده از داده کاوی)الگوریتم شبکه عصبی و ازدحام ذرات(

آکادمی داده

۱۳۹۷/۰۵/۰۹


  • 21 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

هدف از این تحقیق مدیریت ارتباط با مشتری در بانک ملی استان مازندران شهرستان آمل با استفاده از تکنیک های داده کاوی، بخش بندی مشتریان بانک ملی مازندران با هدف کشف ویژگی های رفتاری مشابه جهت تسهیل اتخاذ استراتژی های متناسب با هر بخش و در نتیجه حفظ، تقویت و یا توسعه ارتباط با مشتریان این بانک می باشد. داده های خام مورد نیاز جهت این مطالعه از پایگاه داده های بانک ملی مرکزی شهرستان امل استخراج شده است. دراین پژوهش نشان دادیم که می توان از الگوریتم های فرا ابتکاری به صورت موفقیت آمیزی در زمینه های مختلفی از جمله مدیریت ارتباط با مشتری استفاده نمود. برای رسیدن به هدف پژوهش از یک مدل ترکیبی لستفاده کردیم که الگوریتم ماشین بردار پشتیبان  ( SVM )را با الگوریتم ازدحام ذرات )PSO   )برای بهبود دقت طبقه بندی و انتخاب مجموعه ویژگی بهینه مشتری ترکیب کردیم. هدف از اجرای این الگوریتم به دست آوردن پارامترهای بهینه شبکه عصبی   )SVM )برای دسته بندی می باشد. به منظور ارزیابی پارامترهای تولید شده توسط )PSO ،) معیارهای مختلفی از ارزیابی عملکرد   )SVM )را به عنوان تابع هدف در نظر می گیریم. عملکرد روش پیشنهادی بر روی مجموعه داده های مختلف ارزیابی شد و نتایج حاصله نشان دهنده کارایی روش مزبور در داده های با ابعاد معمولی و ابعاد بالا در مقایسه با نسخه های دیگر می باشد.
در این تحقیق از شبکه ی عصبی استفاده نمودیم که ورودی قطعی دریافت و خروجی قطعی تولید می کرد. اما از آنجائیکه بحث عدم قطعیت تحت مفهوم فازی در بسیاری از پدیده های جهان واقعی اجتناب ناپذیر است، اتخاذ رویکرد فازی در فرصت مطالعاتی آتی در قالب شبکه های عصبی - فازی مانند می تواند پاسخ مناسبی برای این چالش جذاب باشد.  
تحقیقاتی که در آینده می تواند مورد توجه قرار گیرند عبارتند از  :
1-دسته بندی داده ها براساس سایر روش های دسته بندی مانند درخت تصمیم، الگوریتم مورچگان و ... و مقایسه الگوریتمها 
2-ارایه متد جدید برای دسته بندی و بهبود الگوریتم های موجود

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 


کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 
اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.