بهبود تشخیص تقلب در باشگاه مشتریان بانک با استفاده از الگوریتم های طبقه بندی

یکی از استراتژی های اخیر برای افزایش وفاداری مشتری در صنعت بانکی، استفاده از سیستم باشگاه مشتریان است. ما قصد داریم تا بر روی سیستم باشگاه مشتریان بانک کشاورزی تحقیق کنیم، در این سیستم، مشتریان بر اساس فعالیت های مالی و باشگاهی که انجام می دهند، امتیازاتی را دریافت می کنند و با توجه به امتیازات به دست آمده، آنها از بانک اعتبار دریافت می کنند لذا ممکن است برخی از مشتریان برای دریافت اعتبار بیشتر از بانک تقلب کنند.لذا ارائه یک روش کارآمد و قابل اجرا برای تشخیص تقلب در این نوع سیستم ها بسیار مهم است. از این رو در روش پیشنهادی ابتدا داده های موجود را بررسی و اطلاعاتی که دارای مشکل باشد را حذف می کنیم در ادامه با استفاده از روش زمانبندی STW یک ماهه توسط برچسب مشتریان متقلب و عادی را جدا سازی می کنیم. پس از آن با استفاده از الگوریتم های SOM، Multi-layer perceptron، J48 و Naïve Bayes داده ها طبق بندی و ارزیابی شدند که محرز گردید الگوریتم های SMO و Multi-layer Perceptron به ترتیب 100 و 88 درصد بالاترین دقت در تشخیص تقلب را داشته اند.

Keywords:

بانکداری , داده کاوی , تقلب , شبکه های عصبی , درخت تصمیم گیری , رگرسیون