مرتضی پورحسین ابولی - دانشجوی کارشناسی ارشد، گروه مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد الکترونیک، تهران، ایران
شهناز پیروزفر - استادیار دانشگاه آزاد اسلامی، گروه مدیریت فناوری، دانشگاه آزاد اسلامی، واحد الکترونیک، تهران، ایران
مهدی فقیهی - استادیار مرکز پژوهش های مجلس شورای اسلامی، تهران، ایران.

موسسات مالی و پولی به دنبال تسریع در شناخت فعالیتهای کلاه برداران و متقلبان میباشند. در سالهای اخیر با گسترش فناوری اطلاعات و ارتباطات، بانکداری الکترونیک رواج زیادی پیدا کرده است. در این بین به کارگیری تکنیک های شناسایی تقلب به منظور جلوگیری از اقدامات متقلبانه در سیستمهای بانکداری به خصوص سیستم های بانکداری الکترونیک، امری اجتناب ناپذیر در این تحقیق است. در این تحقیق درخت تصمیم به عنوان یکی از روشهای داده کاوی به منظور به منظور تشخیص تقلب در بانکداری الکترونیک بررسی میگردد. همچنین از یک روش ترکیبی شامل خوشه بندی به منظور تفکیک مشتریان و رده بندی به منظور ساخت مدلی جهت کشف تقلب می شود استفاده میشود. در مرحله خوشه بندی از روشهای K میانگین، روش کوهنن و دومرحله ای و درمرحله رده بندی از روش های تکی رده بندی شامل درخت تصمیم و شبکه عصبی و همچنین روش های جمعی رده بندی بگینگ، بوستینگ استفاده شد. در نهایت، نتایج به دست آمده نشان داد در مرحله خوشه بندی روش K میانگین، خوشه بندی بهتری را انجام میدهد و شبکه بگینگ مدلهای درخت تصمیم در پیش بینی رده های موجود در مجموعه داده نسبت به سایر مدلها دقت بهتری دارد.

بانکداری الکترونیکی، خوشه بندی، درخت تصمیم، بانک مهر اقتصاد