|
|
مدیریت فناوری اطلاعات، جلد ۶، شماره ۱، صفحات ۳۱-۴۶
|
|
|
| عنوان فارسی |
مدل رتبه‌بندی اعتباری هیبریدی با استفاده از الگوریتم‌های ژنتیک و سیستم‌های خبرۀ فازی (مطالعۀ موردی: مؤسسۀ مالی و اعتباری قوامین) |
|
| چکیده فارسی مقاله |
سیستم‌های خبره می‌توانند به ساخت مدل‌های رتبه‌بندی اعتباری مشتریان بانک‌ها کمک کنند. در اینجا، انتخاب ویژگی‌های مهم در رتبه‌بندی اعتباری اهمیت دارد. همچنین ممکن است مقادیر ویژگی‌ها، بهصورت فازی بیان شوند. مسئله این است، چگونه می‌توان بهکمک الگوریتم ژنتیک، انتخاب ویژگی‌ها را بهبود بخشید؛ بهگونهای که این ویژگی‌ها بهمنزلۀ ورودی در سیستم خبرۀ فازی مورد استفاده قرار گیرند. این نوشتار به ارائۀ مدل رتبه‌بندی اعتباری هیبریدی با ترکیب انتخاب ویژگی‌ها، مبتنی بر الگوریتم ژنتیک و سیستم خبرۀ فازی می‌پردازد. پژوهشی که در این مورد انجام گرفت، از نظر نتایج، کاربردی و از نظر هدف، توصیفی از نوع مطالعۀ موردی است. برای آموزش و آزمون مدل، از مجموعه داده‌های رتبه‌بندی اعتباری مؤسسۀ مالی و اعتباری قوامین استفاده شده است. پس از پیش‌پردازش داده‌ها، بهکمک الگوریتم ژنتیک ویژگی‌ها انتخاب شدند و از طریق مصاحبه با فردی خبره و بهکارگیری منطق فازی، دامنۀ تغییرات ویژگی‌های منتخب تعیینشده و سپس قوانین فازی رتبه‌بندی اعتباری ایجاد شدند. برای تحلیل داده‌ها از ابزار وکا و ماژول سیستم استنتاج فازی در نرمافزار متلب استفاده شده است. نتایج نشان می‌دهد، دقت طبقه‌بندی مدل پیشنهادی نسبت به سایر روش‌های مقایسهشده در این مقاله بیشتر است. قوانین فازی ایجادشدۀ این مدل را می‌توان برای رتبه‌بندی اعتباری مشتریان بانکی بهکار برد. |
|
| کلیدواژه‌های فارسی مقاله |
الگوریتم ژنتیک، رتبه‌بندی اعتباری، سیستم خبره، منطق فازی، |
|
| عنوان انگلیسی |
Hybrid credit scoring model using genetic algorithms and fuzzy expert systems Case study: Ghavvamin financial and credit institution |
|
| چکیده انگلیسی مقاله |
expert systems can help to build banks customers' credit scoring models. Here, selection of key features of the credit scoring is important. Also, it is possible to express the features values as fuzzy. The problem is how to improve features selection by genetic algorithm, in way that these features can be employed as input in fuzzy expert system. This paper presents a hybrid credit scoring model with combination of features selection based on genetic algorithm and fuzzy expert system. The research conducted at the entry, in terms of result and objective is applied and descriptive research as case study, respectively. Ghavvamin financial and credit institution credit scoring date set is used to train and test the model. After data preprocessing, features selection is carried out using genetic algorithm. The range of selected features is determined by interview with an expert and via fuzzy logic and then credit scoring fuzzy rules can be generated. WEKA tool and fuzzy inference system (FIS) in MATLAB are used for data analysis. Results demonestare classification accouracy of the proposed model is more than the other compared methods in this paper. Fuzzy rules created by this model can be used for credit scoring of bank customers. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
محمد تقی تقوی فرد | mohammad taghi
استادیار، گروه مهندسی صنایع، دانشکدۀ مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علامه طباطبایی (Allameh tabatabaii university)
فریبا سادات حسینی | fariba sadat
کارشناس ارشد مدیریت فناوری اطلاعات، دانشگاه علامه طباطبایی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علامه طباطبایی (Allameh tabatabaii university)
محمد خان بابایی |
دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، گروه مدیریت فناوری اطلاعات، تهران، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)
|
|
| نشانی اینترنتی |
http://jitm.ut.ac.ir/article_50049_6c0dc2fb91039e4587061136be41210c.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-210293.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|