1
دانشجوی کارشناسی ارشد دانشکدۀ علوم پایه، گروه ریاضی، دانشگاه آیتاهللالعظمی بروجردی
2
استادیار دانشکدۀ علوم پایه، گروه ریاضی، دانشگاه آیتاهللالعظمی بروجردی
چکیده
امروزه، بانکها و موسسات مالی مجموعههای حجیم از دادههای مختلف و متنوعی مرتبط با مشتریان خود جمعآوری و نگهداری میکنند. رتبهبندی اعتباری با هدف شناسایی برچسب مشتریان اعتباری اعم از اینکه خوشحساب یا بدحساب هستند، سبب کاهش معوقات بانکی و ارائه بهینه و درست تسهیلات به مشتریان میشود و بهعنوان یکی از مهمترین روشهای تحقیقی و عملیاتی مورد استفاده در بانکداری و مهندسی مالی شناخته میشود. در این راستا، روشهای گوناگونی که تحت عنوان روشهای نظارتی شناخته میشوند ابداع و استفاده شده است. در این روشها، مدلی به کمک دادههای برچسبدار موجود، ایجاد و برای پیشبینی برچسب دادههای جدید استفاده میشود. بنابراین پیشفرض چنین روشهایی، وجود پایگاه دادهای است که تمام اشیاء دادهای آن برچسب داشته باشند. اما از آنجا که تعداد زیادی از دادههای موجود در بانکها فاقد برچسب هستند، یا برچسب دقیق و کارشناسی شده ندارند، استفاده از روشهای نیمهنظارتی توصیه میشود. در روشهای نیمهنظارتی برخلاف روشهای نظارتی، لزومی به برچسبدار بودن تمام دادهها نیست و میتوانند بهوسیلۀ مجموعههای دادهای که بخش زیادی از آن بدون برچسب هستند، مدلهای قابل اعتمادی ایجاد کنند. روش انتشار برچسب یکی از روشهای نیمهنظارتی موفق و پرکاربرد در این زمینه میباشد. در این روش، ویژگی ردۀ دادههای برچسبدار با یک روش تکراری به دادههای فاقد برچسب منتشر میشود. در این پژوهش، ابتدا با کمک روش درخت تصمیم، ویژگیهای تاثیرگذار بر وضعیت اعتباری مشتریان شناسایی و با کمک روش انتشار برچسب، مدل طبقهبندی مشتریان بانک ساخته میشود. بهمنظور نمایش کارایی مدل، از مجموعه دادههای بانک پاسارگاد استفاده شده است. مدل نهایی بر روی دادههای بانک پاسارگاد توانست به 78/99 درصد نرخ تشخیص مشتریان بدحساب و دقت کلی 77/98 درصد برسد. همچنین بهمنظور مقایسه، دادههای یک بانک خارجی (آلمانی) نیز مورد بررسی قرار گرفت. بر اساس منابع مورد مطالعه در این تحقیق، بهترین دقت در بین مدلهای نظارتی توسط روش درخت تصمیم مبتنی بر خوشهبندی و الگوریتم ژنتیک با دقت 37/85 درصد گزارش شده است. همچنین در بین مدلهای نیمهنظارتی، روش نیمهنظارتی گروهی مبتنی بر پرسپترون چندلایه با دقت 4/75 درصد گزارش شده است، در حالی که روش نیمهنظارتی پیشنهادی در این مقاله، دقت 76.85 درصدی را کسب کرد. یافتههای پژوهش حاکی از عملکرد مطلوب روش نیمهنظارتی پیشنهادی است.
ابتیاع, مجید, & حسینی, سیدمحمد. (1401). استفاده از روش نیمهنظارتی انتشار برچسب برای رتبهبندی اعتباری مشتریان بانک (مطالعه موردی بانک پاسارگاد). علوم رایانشی, 7(1), 64-80.
MLA
مجید ابتیاع; سیدمحمد حسینی. "استفاده از روش نیمهنظارتی انتشار برچسب برای رتبهبندی اعتباری مشتریان بانک (مطالعه موردی بانک پاسارگاد)". علوم رایانشی, 7, 1, 1401, 64-80.
HARVARD
ابتیاع, مجید, حسینی, سیدمحمد. (1401). 'استفاده از روش نیمهنظارتی انتشار برچسب برای رتبهبندی اعتباری مشتریان بانک (مطالعه موردی بانک پاسارگاد)', علوم رایانشی, 7(1), pp. 64-80.
VANCOUVER
ابتیاع, مجید, حسینی, سیدمحمد. استفاده از روش نیمهنظارتی انتشار برچسب برای رتبهبندی اعتباری مشتریان بانک (مطالعه موردی بانک پاسارگاد). علوم رایانشی, 1401; 7(1): 64-80.