فرشاد پرهیزکار میاندهی - گروه کامپیوتر، واحد رشت، دانشگاه آزاد اسلامی، رشت،
اسداله شاه بهرامی - عضو هیات علمی، گروه مهندسی کامپیوتر، دانشگاه گیلان، گیلان
پیمان بیات - عضو هیات علمی، گروه کامپیوتر، واحد رشت، دانشگاه آزاد اسلامی، رشت،

با توجه به تولید حجم بسیار زیاد داده های سازمانی که توسط افراد و رایانه ها تولید و جمع آوری و ذخیره می شوند، استخراج الگوهای خاص و دانش از این داده ها از چالش های پیش روی سازمان ها می باشد. چرا که داده های حجیم، متنوع که با سرعت بالایی تولید می شوند در نهان خود الگوهای نهفته ای دارند که می تواند در تصمیم سازی مدیران ارشد سازمانها موثر باشد. از جمله این الگوها می توان به اندازه گیری و مدیریت ریسک اعتباری و مالی در سازمان ها و نهادها اشاره نمود. این مقاله تلاش دارد تا با استفاده از داده کاوی و شبکه های مولد خصمانه مدلی را برای کاهش ریسک اعتباری سازمانهای حمایتی ارائه دهد. از آنجاکه ویژگی های مشتریان این سازمان ها بطور اساسی، با مشتریان بنگاههای اقتصادی مانند بانک ها و موسسات مالی متفاوت است، ارائه مدلی که بتواند دقت ارائه تسهیلات و کاهش ریسک اعتباری به مشتریان (نیازمندان را به کمترین میزان برساند امری حیاتی است. نتایج پیاده سازی بر روی داده های واقعی بر متقاضیان تسهیلات اشتغال کمیته امداد امام خمینی (ره) نشان داده است مدل پیشنهادی می تواند با دقت ۸۶۰۴ درصد طبقه بندی پرداخت اعتبارات را انجام دهد که این میزان با استفاده از روش های پایه ۷۲.۱ درصد می باشد. لذا مدل جدید توانسته است به میزان ۱۴ . ۳ درصد ریسک اعتباری پرداخت تسهیلات را کاهش دهد.

ریسک اعتباری، داده کاوی، شبکه مولد خصمانه، توانمندسازی، طبقه بندی.