سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

Login
PapersConferencesJournals

داده کاوی اطلاعات بانکی با استفاده از روش RFM و MapReduce در چهارچوب Hadoop

Publish place: 1st National Conference on Distributed Computing and Big Data Processing
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 793

This Paper With 10 Page And PDF Format Ready To Download

DOWNLOAD Paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:
https://civilica.com/doc/590369

Document National Code:

DCBDP01_064

Index date: 9 June 2017

داده کاوی اطلاعات بانکی با استفاده از روش RFM و MapReduce در چهارچوب Hadoop abstract

با توجه به افزایش روزافزون حجم اطلاعات در فضای مجازی به خصوص در حوزه بانکداری و تراکنشهای الکترونیکی یکی از چالشهای مهم داده کاوی پردازش روی چنین مجموعه داده های بسیار بزرگ است امروزه وفاداری مشتریان برای بانکها بسیار حایز اهمیت بوده و شناسایی و نگهداری مشتریان با ارزش همواره یکی از اهداف مهم بانکها می باشد. در این تحقیق میزان وفاداری پذیرندگان پایانه های فروشگاهی یکی از بانکها های ایرانی مورد بررسی قرار گرفته است، که با استفاده از روش RFM و ترکیب آن با الگوریتم های خوشه بندی KMeans تحت چهارچوب هادوپ، مشتریان بانک از نظر میزان وفاداری بخش بندی شده اند. Hadoop برای ذخیره سازی و پردازش اطلاعات حجیمی طراحی شده است که امکان ذخیره سازی و پردازش اطلاعات در چندین سرور با هزینه ای پایینرا فراهم می آورد همچنین به دلیل داشتن انعطاف پذیری در پذیرش بالای داده توسط دو ویژگی مهم یعنی معماری موازی و روش نگاشت کاهش MapReduce از آن استفاده می شود، در این مقاله پس از تبدیل تراکنش های مشتراین به مدل RFM، به پیاده سازی خوشه بندی در بستر هادوپ و تشریح روشهای معماری موازی، نگاشت کاهش و بررسی قابلیتهای مطرح در این حوزه می پردازیم.

داده کاوی اطلاعات بانکی با استفاده از روش RFM و MapReduce در چهارچوب Hadoop Keywords:

کلان داده , داده کاوی , هادوپ Hadoop نگاشت کاهش MapReduce بانکداری , خوشه بندی RFM Kmeans

داده کاوی اطلاعات بانکی با استفاده از روش RFM و MapReduce در چهارچوب Hadoop authors

نیما معصوم پرست

دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه مهندسی برق و کامپیوتر دانشگاه سمنان

کوروش کیانی

عضو هیات علمی دانشکده مهندسی برق و کامپیوتر دانشگاه سمنان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
_ _ Polcy-In Press , _ ...
_ _ _ ".. empirical strdy on _ _ _ ...
_ _ Spott. M., Nauck, _ ad Kruse. R. "Mining ...
_ _ _ oderating _ of risk and efficiency on ...
_ _ _ _ _ L:xpcrt Systens vitll Applications, pp.3 ...
_ Jin, A. _ _ Agrawal. _ _ and _ ...
S. _ R. Rastogi and _ _ "» cffcient ...
Wang.C. _ identification _ _ nsing Kerrel _ cdfnsrering rechniqnes ...
نمایش کامل مراجع

مقاله فارسی "داده کاوی اطلاعات بانکی با استفاده از روش RFM و MapReduce در چهارچوب Hadoop" توسط نیما معصوم پرست، دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه مهندسی برق و کامپیوتر دانشگاه سمنان؛ کوروش کیانی، عضو هیات علمی دانشکده مهندسی برق و کامپیوتر دانشگاه سمنان نوشته شده و در سال 1394 پس از تایید کمیته علمی اولین کنفرانس ملی محاسبات توزیعی و پردازش داده های بزرگ پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله کلان داده ، داده کاوی، هادوپ Hadoop نگاشت کاهش MapReduce بانکداری، خوشه بندی RFM Kmeans هستند. این مقاله در تاریخ 19 خرداد 1396 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 793 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که با توجه به افزایش روزافزون حجم اطلاعات در فضای مجازی به خصوص در حوزه بانکداری و تراکنشهای الکترونیکی یکی از چالشهای مهم داده کاوی پردازش روی چنین مجموعه داده های بسیار بزرگ است امروزه وفاداری مشتریان برای بانکها بسیار حایز اهمیت بوده و شناسایی و نگهداری مشتریان با ارزش همواره یکی از اهداف مهم بانکها می باشد. در این تحقیق ... . این مقاله در دسته بندی موضوعی بانکداری و داده کاوی طبقه بندی شده است. برای دانلود فایل کامل مقاله داده کاوی اطلاعات بانکی با استفاده از روش RFM و MapReduce در چهارچوب Hadoop با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.