هوشمند سازی طبقه بندی مشتریان بانکی بر اساس ویژگی های مورد نظر با استفاده از الگوریتم جستجوی گرانشی ( مطالعه موردی: پست بانک)

پیدا کردن زیر مجموعه ای از ویژگی ها، از یک مجموعه ی بزرگ مانند مشتریان یک بانک تجاری مسیله ای است که در بسیاری از زمینه ها پیش می آید و می دانیم که مهمترین هدف تمام بانک های تجاری جذب وجوه نقد و پس اندازهای افراد حقیقی و حقوقی و تخصیص آن ها به صورت تسهیلات است ناتوانی در ایفای تعهدات و عدم باز پرداخت تسهیلات از سوی مشتریان، بانک ها را دچار مشکلات زیادی می کند. اهمیت این موضوع منجر به توسعه چندین مدل گوناگون برای ارزیابی اعتباری مشتریان بانک ها شده است. اما بسیاری از این مدل ها توانایی ارزیابی اعتباری مشتریان را بطور کامل و بهینه ندارند؛ بنایراین زمینه ورود مدل های هوش مصنوعی به این حوزه مهیا گردیده است. در این پژوهش سعی گردید تا پس از تهیه مدل مناسب رتبه بندی اعتباری مشتریان و جمع آوری دانش خبرگان با استفاده از الگوریتم جستجوی گرانشی به طراحی سیستم هوشمند رتبه بندی اعتباری مشتریان پرداخته شود. از آنجایی که افزایش تعداد ویژگی ها، هزینه ی محاسباتی یک سیستم را افزایش می دهد، طراحی و پیاده سازی سیستم ها با کمترین تعداد ویژگی، ضروری به نظر می رسد. از طرف دیگر، توجه به این موضوع بسیار مهم است که باید زیر مجموعه ی موثری از ویژگی ها، انتخاب شود، که کارایی قابل قبولی برای سیستم ایجاد کند . این موضوع، ما را به سمتی هدایت می کند که از روش های جستجو، برای پیدا کردن زیر مجموعه ای بهینه از ویژگی ها استفاده کنیم. انتخاب ویژگی، اطلاعات مرتبط و مفید را استخراج و کارایی را بهبود می بخشد. در این سیستم به صورت کاملا پویا می توان مشتریان را در گروه های مختلف تقسیم و براساس معیارهای مختلف طبقه بندی و درجه بندی کند و سپس فعالیت های آتی توسعه بازار را به صورت گروهی روی آنها اجرا کرد. در این پژوهش ، یک روش جدید در انتخاب ویژگی، با الهام از قوانین حاکم بر طبیعت معرفی شده است. الگوریتم جستجوی گرانشی، با الهام از قانون جاذبه و نیروی گرانش معرفی و پارامترهای آن بصورت شهودی تنظیم شده اند. عامل های جستجو کننده مجموعه ای از اجرام می باشند که می توانند بصورت سیاره های یک منظومه تصور شوند. اطلاعات مربوط به برازندگی هرجرم، درقالب جرم های گرانشی و اینرسی ذخیره می شوند. تبادل اطلاعات و اثر گذاری اجرام روی یکدیگر تحت نیروی گرانش انجام می پذیرد. تعدادی مجموعه داده UCI برای ارزیابی الگوریتم پیشنهادی، استفاده شده و نتایج آزمایشات نشان می دهد که الگوریتم پیشنهادی در اکثر موارد، با انتخاب بهترین ویژگی ها دقت طبقه بندی را افزایش می دهد.

کلیدواژه ها:

انتخاب ویژگی ، نظام بانکداری ، هوشمند سازی سیستم بانکی ، قانون جاذبه ، الگوریتم جستجوی گرانشی