استفاده از داده کاوی در بانکداری الکترونیک با استفاده از روش تاپسیس فازی

بانکداری الکترونیک نیازمند بررسی و کشف اطلاعات گوناگونی از میان انبوه اطلاعات انباشته خود بر اساس مکانیزم های داده کاوی هستند. با افزایش خدمات بانکها در اینترنت و رشد تراکنش های برخط توسط مشتریان، میزان بروز جرایم در صنعت بانکداری الکترونیک نیز به سرعت در حال رشد است؛ در این راستا بانک ها می توانند با بکارگیری روش های داده کاوی جدید بر اساس روش تاپسیس فازی به کشف تقلب و به پیشگری و حذف فرایندهای حامی این گونه اعمال بپردازند. نتایج نشان داد که الگوریتم «نایوبیز» در بانکداری الکترونیک بیشترین کاربرد را داشته است. چراکه بامطالعه پیشینه مقالات انجام گرفته، این الگوریتم به دلیل کاربرد زیاد و جدید بودن آن نسبت به همه الگوریتم ها در بانکداری الکترونیک برتری دارد. الگوریتم نایوبیز یک الگوریتم یادگیری است که دارای ویژگی هایی به همراه کارایی محاسباتی بسیار مطلوب نسبت به دیگر الگوریتم ها، سبب شده تا الگوریتم نایوبیز در عمل به صورت گسترده مورداستفاده قرار گیرد. الگوریتم نایوبیز دارای چند ویژگی در بانکداری الکترونیکی است ازجمله خطای کم و یادگیری تدریجی در داده کاوی بانکداری الکترونیکی نسبت به دیگر الگوریتم ها است. همچنین بر اساس تحقیقات صورت گرفته در مقایسه الگوریتم های SVM و ANN ، نتایج نشان میدهد که الگوریتم SVM نسبت به الگوریتم ANN برتری نسبی دارد.

کلیدواژه ها:

داده کاوی ، تاپسیس فازی ، بانکداری الکترونیک ، Naive Bayes