تشخیص کلاهبرداری در سازمان های خدمات رسانی با دهده کاوی؛مورد مطالعه،سازمان آب و فاضلاب استان قم

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 971

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WRM05_479

تاریخ نمایه سازی: 25 تیر 1393

چکیده مقاله:

بی تردید شرایط اجتماعی بشر، رویارویی با پدیده ای به نام کلاهبرداری را غیرقابل اجتناب می سازد و انسان همواره نیازمند دانش تحلیل کلاهبرداری است. تحلیل کلاهبرداری عبارت است از به کارگیری شیوه ای نظام مند جهت شناسایی، کشف و پیش بینی کلاهبرداری می باشد. تشخیص کلاهبرداری در سازمان های خدمات رسانی هم برای مشتریان از لحاظ اطمینان یافتن از امنیت سازمان مورد نظر و همچنین برای مدیران ارشد سازمان از لحاظ جلب اعتماد و رضایت مشتریان دارای اهمیت بسزایی است. در مطالعه حاضر جهت تشخیص کلاهبرداری در سازمان مورد مطالعه از سه تکنیک متفاوت داده کاوی (SVM, K-means و Regression) استفاده شده است. باتوجه به اینکه داده های سازمان مورد مطالعه دارای برجسبی جهت جداسازی داده های نرمال از غیرنرمال (کلاهبرداری) وجود ندارد، ابتدا با استفاده از روش K-means که یک روش بدون نظارت می باشد مشتریان کلاهبردار را شناسایی سپس باتوجه به نتایج بدست آمده از اجرای این روش، دو روش با نظارت SVM و Regression اجرا، نتایج و دقت آنها نشان داده خواهد شد.

کلیدواژه ها:

نویسندگان

بهروز مینایی

دانشکده مهندسی کامپیوتر،دانشگاه علم و صنعت،تهران،ایران

مرتضی سبحانی نیا

کارشناس ارشد مهندسی فناوری اطلاعات،تجارت الکترونیک،دانشکده فنی و مهندسی،قم ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • قلمرو زمانی داده ها فقط سال 1389 و 1390 را ...
  • بدلیل بدون نظارت بودن داده ها به طور کامل، نمی ...
  • یکی دیگر از محدودیت ها _ حذف مشترکینی که در ...
  • Skalak, Steven L, Alas, Manny A., Sellitto, Gus. (2005). Fraud ...
  • Jans, Mieke., Lybaert, Nadine., Vanhoof, Koen. Data Mining for Fraud ...
  • Hilas, Constantinos S. (2009). Designing _ expert system for fraud ...
  • Xing, Dongshan., Girolami, Mark. (2007). Employing Latent Dirichlet Allocation for ...
  • Estevez, Pablo A., Held, Claudio M., Perez, Claudio A. (2006). ...
  • نمایش کامل مراجع