امروزه بانك هـا بـرای جـذب و حفـظ مـؤثر مشـتریان بـه ابزارهـای جدیـدی ماننـد سیستم های پیشنهاددهنده نیاز دارند. برخلاف عموم سیستم های پیشنهاددهنده كه پیشـنهاد بـر اساس شباهت میان ترجیحات سایر كـاربران بـه وی داده مـی شـود؛ در ایـن پـژوهش از روش دسته بندی استفاده شده است كه در آن پیشینة علایق خود مشتری، مهـمتـرین ویژگـی بـرای تصمیم گیری دربارة خدمات بانكی مناسب به اوست. در این پژوهش از چهار دسـته بنـدی كننـدة پرسپترون چندلایه، ماشین بردار پشتیبانی، K نزدیكترین همسایه و بیـز سـاده اسـتفاده شـد. ابتدا پس از پیش پردازش مجموعة دادة مربوط به سرویس های مورد استفادة مشـتریان مختلـف بانك بـا چهـار روش مختلـف دسـته بنـدی آمـوزش داده شـدند؛ سـپس اعتبـار آنهـا بـا روش اعتبارسنجی ضربدری ده تایی به تأیید رسید و بهترین روش انتخاب شد.
طراحی مدلی برای بهبود سیستمهای پیشنهاددهنده بانكی بر اساس پیشبینی علایق مشتریان: كاربرد روشهای دادهكاوی
آدرس: تهران، خیابان خرمشهر (آپادانا)، خیابان قنبرزاده، کوچه چهاردهم، پلاک 22
تلفن: 88533266-021 (10 خط)
آخرین مقالات
وبکست ها و پویش ها
- وبینار علم داده برای مدیران1400/08/22 - 16:36
وبینار علم داده برای مدیران موضوعات علم داده و رابطه آن با هوش تجاری و هوش مصنوعی رویکردهای تحلیلی کسب و کار مفاهیم پایه Big Data اجزای پلتفرم داده یادگیری ماشین و علم داده محاسبات شناختی ثبت نام کنید!