Presenting a Hybrid Model based on the Machine Learning for the Classification of Banking and Insurance Industry Common Customers

Subject Areas : Business Management

Hamidreza Amirhassankhani ¹ , Abbas Toloie Eshlaghy ² , Reza Radfar ³ , Alireza pourebrahimi ⁴

1 - Ph.D. Candidate of Information Technology Management Group, UAE Branch, Islamic Azad University, Dubai, UAE
2 - Professor, Department of Industrial Management, Science and Research Unit, Islamic Azad University, Tehran, Iran
3 - Professor, Department of Industrial Management, Science and Research Unit, Islamic Azad University, Tehran, Iran
4 - Assistant Professor, Department of Management, Karaj Branch, Islamic Azad University, Karaj, Iran

Received: 2022-09-03 Accepted : 2023-02-08 Published : 2024-01-22

Keywords: Genetic Algorithm, Classification, Support vector machine, Insurance, Bank,

Abstract :

Global competition, dynamic markets, and rapidly shrinking innovation and technology cycles, all have imposed significant challenges on the financial, banking, and insurance industries and the need to data analysis for improving decision-making processes in these organizations has become increasingly important. In this regard, the data stored in the databases of these organizations are considered as valuable sources of information and knowledge needed for organizational decisions. In the present research, the researchers focus on the common customers of the bank and insurance industry. The purpose is to provide a methodology to predict the performance of new customers based on the behavior of previous customers. To this end, a hybrid model based on support vector machine and genetic algorithm is used. The support vector machine is responsible for modeling the relationship between customer performance and their identity information and the genetic algorithm is responsible for tuning and optimizing the parameters of the support vector machine. The results obtained from customer classification using the proposed model in this research led to customer classification with a high accuracy of 99%.

References:

Abdou, H., Pointon, J., & El-Masry, A. (2008). Neural nets versus conventional techniques in credit scoring in Egyptian banking. Expert Systems with Applications, 35(3), 1275-1292. doi:10.1016/j.eswa.2007.08.030
Bhattacharyya, S., Jha, S., Tharakunnel, K., & Westland, J. C. (2011). Data mining for credit card fraud: A comparative study. Decision support systems, 50(3), 602-613. doi:10.1016/j.dss.2010.08.008
Boyacioglu, M. A., Kara, Y., & Baykan, Ö. K. (2009). Predicting bank financial failures using neural networks, support vector machines and multivariate statistical methods: A comparative analysis in the sample of savings deposit insurance fund (SDIF) transferred banks in Turkey. Expert Systems with Applications, 36(2), 3355-3366. doi:10.1016/j.eswa.2008.01.003
Chen, F. L., & Li, F. C. (2010). Combination of feature selection approaches with SVM in credit scoring. Expert systems with applications, 37(7), 4902-4909. doi:10.1016/j.eswa.2009.12.025
Chu, B. H., Tsai, M. S., & Ho, C. S. (2007). Toward a hybrid data mining model for customer retention. Knowledge-Based Systems, 20(8), 703-718. do:10.1016/j.knosys.2006.10.003
Dorofeev, D., Khrestina, M., Usubaliev, T., Dobrotvorskiy, A., & Filatov, S. (2018, May). Application of machine analysis algorithms to automate implementation of tasks of combating criminal money laundering. In International Conference on Digital Transformation and Global Society (pp. 375-385). Springer, Cham.
Duman, E., & Ozcelik, M. H. (2011). Detecting credit card fraud by genetic algorithm and scatter search. Expert Systems with Applications, 38(10), 13057-13063. doi:10.1016/j.eswa.2011.04.110
Huang, C. L., Chen, M. C., & Wang, C. J. (2007). Credit scoring with a data mining approach based on support vector machines. Expert systems with applications, 33(4), 847-856. doi:10.1016/j.eswa.2006.07.007
Huang, Y. M., Hung, C. M., & Jiau, H. C. (2006). Evaluation of neural networks and data mining methods on a credit assessment task for class imbalance problem. Nonlinear Analysis: Real World Applications, 7(4), 720-747. doi:10.1016/j.nonrwa.2005.04.006
Jamshidi, M. B., Gorjiankhanzad, M., Lalbakhsh, A., & Roshani, S. (2019, May). A novel multiobjective approach for detecting money laundering with a neuro-fuzzy technique. In 2019 IEEE 16th International Conference on Networking, Sensing and Control (ICNSC) (pp. 454-458). IEEE. doi:10.1109/ICNSC.2019.8743234
Kirkos, E., Spathis, C., & Manolopoulos, Y. (2007). Data mining techniques for the detection of fraudulent financial statements. Expert systems with applications, 32(4), 995-1003. doi:10.1016/j.eswa.2006.02.016
Lee, B., Cho, H., Chae, M., & Shim, S. (2010). Empirical analysis of online auction fraud: Credit card phantom transactions. Expert Systems with Applications, 37(4), 2991-2999. doi:10.1016/j.eswa.2009.09.034
Lee, T. S., Chiu, C. C., Chou, Y. C., & Lu, C. J. (2006). Mining the customer credit using classification and regression tree and multivariate adaptive regression splines. Computational Statistics & Data Analysis, 50(4), 1113-1130. doi:10.1016/j.csda.2004.11.006
Lin, C. S., Tzeng, G. H., & Chin, Y. C. (2011). Combined rough set theory and flow network graph to predict customer churn in credit card accounts. Expert Systems with Applications, 38(1),8-15. doi:10.1016/j.eswa.2010.05.039
Lin, S. W., Shiue, Y. R., Chen, S. C., & Cheng, H. M. (2009). Applying enhanced data mining approaches in predicting bank performance: A case of Taiwanese commercial banks. Expert Systems with Applications, 36(9), 11543-11551. doi:10.1016/j.eswa.2009.03.029
Luo, S. T., Cheng, B. W., & Hsieh, C. H. (2009). Prediction model building with clustering-launched classification and support vector machines in credit scoring. Expert Systems with Applications, 36(4), 7562-7566. doi:10.1016/j.eswa.2008.09.028
Magomedov, G. S., Dobrotvorsky, A. S., Khrestina, M. P., Pavelyev, S. A., & Yusubaliev, T. R. (2018). Application of Artificial Intelligence Technologies for the Monitoring of Transactions in AML-Systems Using the Example of the Developed Classification Algorithm. Int. J. Eng. Technol, 7, 76-79.
Nie, G., Rowe, W., Zhang, L., Tian, Y., & Shi, Y. (2011). Credit card churn forecasting by logistic regression and decision tree. Expert Systems with Applications, 38(12), 15273-15285. doi:10.1016/j.eswa.2011. 06.028
Paasch, C. A. (2008). Credit card fraud detection using artificial neural networks tuned by genetic algorithms. Hong Kong University of Science and Technology (Hong Kong), 1-1112.
Plaksiy, K., Nikiforov, A., & Miloslavskaya, N. (2018, August). Applying big data technologies to detect cases of money laundering and counter financing of terrorism. In 2018 6th International Conference on Future Internet of Things and Cloud Workshops (FiCloudW) (pp. 70-77). IEEE. 10.1109/W-FiCloud.2018.00017
Sobreira Leite, G., Bessa Albuquerque, A., & Rogerio Pinheiro, P. (2019). Application of technological solutions in the fight against money laundering—A systematic literature review. Applied Sciences, 9(22), 1-29. doi:10.3390/app9224800
Quah, J. T., & Sriganesh, M. (2008). Real-time credit card fraud detection using computational intelligence. Expert systems with applications, 35(4), 1721-1732. doi:10.1016/j.eswa.2007.08.093
Sánchez, D., Vila, M. A., Cerda, L., & Serrano, J. M. (2009). Association rules applied to credit card fraud detection. Expert systems with applications, 36(2), 3630-3640. doi:10.1016/j.eswa.2008.02.001
Šušteršič, M., Mramor, D., & Zupan, J. (2009). Consumer credit scoring models with limited data. Expert Systems with Applications, 36(3), 4736-4744. doi:10.1016/j.eswa.2008.06.016
Tiwari, M., Gepp, A., & Kumar, K. (2020). A review of money laundering literature: the state of research in key areas. Pacific Accounting Review, Vol. 32 No. 2, pp. 271-303. doi:10.1108/PAR-06-2019-0065
Xie, Y., Li, X., Ngai, E. W. T., & Ying, W. (2009). Customer churn prediction using improved balanced random forests. Expert Systems with Applications, 36(3), 5445-5449. doi:10.1016/j.eswa.2008.06.121
Yap, B. W., Ong, S. H., & Husain, N. H. M. (2011). Using data mining to improve assessment of credit worthiness via credit scoring models. Expert Systems with Applications, 38(10), 13274-13283. doi:10.1016/j.eswa.2011.04.147
Zhao, H., Sinha, A. P., & Ge, W. (2009). Effects of feature construction on classification performance: An empirical study in bank failure prediction. Expert Systems with Applications, 36(2), 2633-2644. doi:10.1016/j.eswa.2008.01.053

Full-Text:



Vol.18, No.68, Spring 2024                                                          Journal of Productivity Management 

 

 

 

 

 

 

 

 

 

 

Presenting a Hybrid Model based on the Machine Learning for the Classification of Banking and Insurance Industry

Common Customers

 

Hamidreza Amirhasankhan¹, Abbas Toloie Eshlaghy²³, Reza Radfar⁴, Alireza Pourebrahimi⁵

 

(Received:2022.09.03; Accepted:2023.02.08)

 

Abstract

Global competition, dynamic markets, and rapidly shrinking innovation and technology cycles, all have imposed significant challenges on the financial, banking, and insurance industries and the need to data analysis for improving decision-making processes in these organizations has become increasingly important. In this regard, the data stored in the databases of these organizations are considered as valuable sources of information and knowledge needed for organizational decisions. In the present research, the researchers focus on the common customers of the bank and insurance industry. The purpose is to provide a methodology to predict the performance of new customers based on the behavior of previous customers. To this end, a hybrid model based on support vector machine and genetic algorithm is used. The support vector machine is responsible for modeling the relationship between customer performance and their identity information and the genetic algorithm is responsible for tuning and optimizing the parameters of the support vector machine. The results obtained from customer classification using the proposed model in this research led to customer classification with a high accuracy of 99%.

Key Words: support vector machine, genetic algorithm, classification, banking, insurance.

 

 

1.       Introduction

In this research, the researchers aim to present an efficient model based on support vector machine and genetic algorithm for classifying and predicting the performance of new common customers of banking and insurance industry. The purpose of this research is to enable investment holdings that are common

shareholders of banks and insurance companies to achieve the highest level of customization in decision making for customers and adopt diverse and efficient decisions in accordance with their customers' characteristics and strengthen interactions with customers, better meet customer needs and improve customer satisfaction and loyalty. Accordingly, these holdings can achieve significant results in each of the above-mentioned areas by strengthening databases, communication links of information companies and increasing accuracy in entering and registering initial information and relying on machine learning methods.

2.       Literature Review

Among the studies that have been conducted in recent years in the field of banking industry customer classification, the study of Jamshidi et.al. (2019) is included. They presented a multi-objective approach based on adaptive neuro-diffusion inference system for detecting bank money laundering and currency exchange. Magomedov et al. (2018), Dorofeev et al. (2018) and Plaksiy et al. (2018) have used machine learning methods based on artificial intelligence to design and monitor anti-money laundering systems. Leite et al. (2019) and Tiwari et al. (2020) have compiled a rich collection of researches based on machine learning and artificial intelligence to deal with money laundering and other banking crimes in their review papers.

3.       Methodology

In this study, the researchers aim to model the classification of common customers of banking and insurance industry using a hybrid method based on support vector machine network and optimization using genetic algorithm. For this purpose, first the independent and dependent variables are determined. In this regard, the identity information of customers is defined as the independent variables and the class that each customer is placed in as the dependent variable. In the next step, the customer set is divided into two groups of training and testing data. The data is randomly divided into two groups of training and testing, such that 90 percent of the data is used in the training phase and the rest in the testing phase.

4.       Result

The criteria of accuracy, recall and precision are used to evaluate the methods of predicting the class of common insurance and bank customers in this research. The most important criterion for determining the efficiency of classification techniques is the Accuracy criterion. This measure calculates the overall accuracy of a classifier. It indicates the fact that the designed classifier has correctly classified what percentage of the entire set of test records. The results obtained in this research show that the support vector machine set by the genetic algorithm for customer classification has correctly recognized 99.98% of the test data. Considering the desired amount of the three criteria of accuracy, recall and precision of this combined method, it is found that this method is able to efficiently classify common bank and insurance customers.

5.       Discussion

In this research, the researchers implemented a support vector machine for classifying common customers of banking and insurance and examined the obtained results. After going through the training process and obtaining the optimal parameters of the support vector machines using the genetic algorithm, the performance of this method was evaluated in the testing phase with 6060 customers whose information was not given to the support vector machines in the training phase. The comparison of the output of the support vector machine network with the actual class of customers indicates the appropriate fit of the outputs obtained from the support vector machine network with the real data. Based on the results obtained, the classification error of the proposed model is 0.0003. These results mean that the accuracy of the performance of the support vector machine is about 99.97 percent, which can be considered as an acceptable accuracy. Nowadays, in most organizations, data is rapidly being collected and stored. However, it can be argued that despite the existence of a large volume of data, organizations generally face a lack of knowledge in decision-making. Although using various conventional reporting tools, information can be provided to users so that they can draw conclusions about the data and the logical relationships between them, when a huge volume of data is involved, even experienced and professional users cannot detect useful patterns in the abundance of data. Nowadays, machine learning techniques have been considered to meet the needs of various organizations and companies in discovering knowledge from a large volume of data. Data mining is the process of extracting information and knowledge and discovering hidden patterns from a very large database. Telecommunication companies, banks, insurance companies, advertising companies and all companies that have large databases can use data mining to improve their decision-making processes. Data mining causes organizations to reach higher levels of knowledge and unknown patterns from the data level. The extracted patterns can be a relationship between the features and characteristics of the system such as the type of demand and the type of customer, future predictions based on the system characteristics, rules (if-then) between the system variables, classifications and clustering of objects and records similar to each other in a system, and the like.

 

 

 

 

 

 

 

 

 

 

 

 

 

ارائۀ یک مدل ترکیبی مبتنی بر یادگیری ماشینی برای طبقه­بندی مشتریان مشترک صنعت بانکداری و بیمه

 

حمیدرضا امیرحسنخانی⁶، عباس طلوعی اشلقی*⁷،رضا رادفر⁸، علیرضا پورابراهیمی⁹

 

(دریافت:12/06/1401- پذیرش نهایی:19/11/1401)

 

 

چکیده

رقابت­های جهانی، صنابع پویا و چرخه­های نوآوری و فناوری که به سرعت در حال کوتاه شدن هستند همگی چالش­های مهمی را برای صنعت مالی، بانکداری و بیمه ایجاد کرده­اند و نیاز به تجزیه و تحلیل داده­ها جهت بهبود فرآیندهای تصمیم­گیری در این سازمان­ها بیش از پیش اهمیت پیدا کرده است؛ در این میان، داده هایی که در پایگاه­های اطلاعاتی این سازمان­ها نگهداری می­شوند به عنوان منابع ارزشمند اطلاعات و دانش مورد نیاز جهت تصمیم­گیری­های سازمانی مطرح می­باشند؛ در این تحقیق بر روی مشتریان مشترک صنعت بانکداری و بیمه تمرکز شده است. هدف از این تحقیق، ارائۀ روشی جهت پیش­بینی عملکرد مشتریان جدیدالورود بر مبنای رفتار مشتریان پیشین است؛ برای این منظور، از یک مدل ترکیبی مبتنی بر ماشین بردار پشتیبان و الگوریتم ژنتیک استفاده شده است؛ بدین ترتیب که ماشین بردار پشتیبان، وظیفه مدل‌سازی رابطه بین عملکرد مشتریان و اطلاعات هویتی آنها را بر عهده دارد و الگوریتم ژنتیک، وظیفه تنظیم و بهینه‌سازی پارامترهای ماشین بردار پشتیبان را عهده‌دار است. نتایج به دست آمده از طبقه بندی مشتریان با استفاده از مدل پیشنهادی در این تحقیق طبقه بندی مشتریان با دقت بالای ۹۹ درصد است.

 

واژه­های کلیدی: ماشین بردار پشتیبان، الگوریتم ژنتیک، طبقه­بندی، بانک، بیمه

 

 

مقدمه

به طور کلی، یکی از مهمترین مقولات صنعت بیمه و بانکداری نوین امروز ارزیابی مشتریان بر مبنای ریسک اعتباری آنهاست؛ رایج‌ترین رویکردی که در این چارچوب امروزه در ابعاد گسترده مورد استفاده قرار می­گیرد، در نظر گرفتن یک حد آستانه برای طبقه بندی مشتریان بر مبنای ریسک اعتباری آنهاست؛ به طوری که ابتدا بر مبنای تراکنش‌ها و عملکرد آن، به هر مشتری یک امتیاز که نشان دهندۀ ریسک اعتباری آن است اختصاص داده می‌شود سپس با مقایسۀ امتیاز به دست آمده توسط هر مشتری با حدود آستانه طبقه بندی کننده می­توان مشتریان را به لحاظ ریسک اعتباری در طبقات مختلف از پیش تعریف شده دسته بندی نمود. در این رویکرد مشتریان عمدتاً در دو دسته مشتریان پر ریسک و کم ریسک قرار می گیرند. همین طبقه­بندی می­تواند به عنوان مبنایی برای آموزش الگوریتم‌های یادگیرنده در فرایندهای یادگیری ماشین مورد استفاده قرار گیرد؛ به طوری که با برچسب‌گذاری مشتریان فعلی بر اساس این چارچوب می‌توان الگوریتم­های یادگیرنده موجود در یادگیری ماشینی را به منظور پیش‌بینی میزان ریسک اعتباری مشتریان جدید الورود مورد استفاده قرار داد.

در این تحقیق قصد داریم یک مدل کارا مبتنی بر ماشین بردار پشتبیان و الگوریتم ژنتیک جهت طیقه بندی و پیش­بینی عملکرد مشتریان جدیدالورود برای مشتریان مشترک صنعت بانکداری و بیمه ارائه دهیم. هدف این تحقیق، توانمندسازی هلدینگ­های سرمایه‌گذاری که سهامداران توام بانک­ و بیمه هستند در بالاترین سطح سفارشی­سازی در تصمیم گیری برای مشتریان و اتخاذ تصمیمات متنوع و کارا طبق خصوصیات مشتریان‌شان و قوی­تر کردن تعاملات با مشتری، رفع بهتر نیازهای مشتری و ارتقای سطح رضایت مشتریان و در نتیجه وفادار کردن آنهاست. بر این اساس، این هلدینگ­ها می­توانند از طریق تقویت پایگاه داده ها، لینک های ارتباطی شرکت های اطلاعاتی و افزایش دقت در ورود و ثبت اطلاعات اولیه و با اتکا به روش های یادگیری ماشینی، در هریک از زمینه های مذکور به نتایج قابل توجه دست یابد.

در ادامه این بخش به مرور ادبیات موضوع می پردازیم؛ طبقه بندی پژوهش­های انجام شده از مهم­ترین کارها در زمینه تحلیل رویگردانی مشتریان بانک است؛ در این حوزه تکنیکهایی نظیر مدل توسعه ­یافته متوازن از جنگل های تصادفی (IBRF) (سای و همکاران¹⁰، 2009)، تئوری مجموعه­های ناهموار¹¹ (لین و همکاران¹²، 2011) ، رگرسیون لاجیت و درخت تصمیم (نای و همکاران¹³، 2011) و درخت تصمیم C5.0 (چو و همکاران¹⁴، 2007) مورد استفاده قرار گرفته است.

یکی دیگر از حوزه های پرکاربرد استفاده از یادگیری ماشین در مؤسسات مالی نظیر بانک و بیمه، مقوله مقابله با انواع تقلب­های مالی است؛ نمونه­ای از تکنیک های مورد استفاده در کشف تقلب و سوء استفاده­های مالی، شامل ترکیب الگوریتم ژنتیک و شبکه­های عصبی (پاسچ¹⁵، 2008) ، شبکه های عصبی خود سازمانده¹⁶ (کوا و اسریگانش¹⁷، 2008) ، قوانین وابستگی به‌دست آمده از منطق فازی (سانچز و همکاران¹⁸، 2009) است. در تحقیق لی و همکاران¹⁹ (2010) برای رسیدن به این هدف از داده­هایی نظیر مبلغ پیشنهاد اولیه، قیمت بسته شده مزایده، طول مزایده، سود مزایده و میزان اعتبار فروشنده استفاده شده است. در این تحقیق از رگرسیون لاجیت جهت طبقه‌بندی بهره برده شد؛ عملکرد رگرسیون لاجیت، ماشین­بردار پشتیبان و جنگل­های تصادفی در مطالعه بهاتاچاریا و همکاران²⁰ (2011) براساس داده های مورد استفاده در مطالعه لی و همکاران²¹(2010) مورد مقایسه قرار گرفته است. در مقاله دومان و اوزکلیک²²(2011) از الگوریتم جستجوی پراکنده²³ بهره برده شده است.

همچنین در ادامه برخی از مطالعات صورت گرفته در مورد کاربرد یادگیری ماشین را جهت پیش­بینی عملکرد و مقابله با ورشکستگی اقتصادی مورد تجزیه و تحلیل قرار می­دهیم؛ چرا که اساساً ارزیابی عملکرد مؤسسات مالی نظیر بانک و بیمه به منظور تبیین سیاست­های کلی و اتخاذ تصمیمات بلندمدت توسط مدیران از اهمیت بسیار زیادی برخوردار است. نمونه­ای از تکنیکهای مورد استفاده در پژوهش­های صورت گرفته در ارزیابی عملکرد بانک شامل ماشین­بردار پشتیبان و درخت تصمیم در تحقیق لین و همکاران²⁴ (2009)، شبکه­های عصبی، ماشین­بردار پشتیبان، تحلیل      خوشه­ای K-means و رگرسیون لاجیت در مطالعه بویاسیوگلو و همکاران²⁵ (2009) ، رگرسیون لاجیت، درخت تصمیم و شبکه­های عصبی در مطالعه ژائو و شینها²⁶ (2009) و شبکه­های پس انتشار متوازن در مقاله کیرکاس و همکاران²⁷ (2007) است.

یکی از موضوعاتی که در سال­های اخیر توسط پژوهشگران بسیار مورد توجه بوده است مسئلۀ بازپرداخت وام های اعطا شده توسط بانکها به مشتریان است؛ در این راستا تخمین احتمال عدم بازپرداخت وام توسط وام گیرنده بر مبنای داده های مستخرج از عملکرد گذشته او برای مدیران بانک‌ها از اهمیت بسیار زیادی برخوردار است؛ به طوری که الگوریتم‌های یادگیری ماشین بر مبنای تجزیه و تحلیل داده‌های تاریخی حاصل از عملکرد مشتریان می‌توانند آنها را در دسته­های مختلفی -که نشان دهندۀ ریسک اعتباری آنهاست طبقه­بندی نماید و از این مدلها برای پیش‌بینی احتمال عدم بازگرداندن وام توسط وام­گیرنده­های جدید بهره برداری کند.

تحقیقات زیادی در زمینه استفاده از یادگیری ماشینی در رتبه­بندی اعتبار مشتریان بانک­ها اانجام شده است که تکنیک­های مختلف طبقه­بندی را مورد بهره برداری قرار داده­اند؛ از جملۀ این تکنیک­ها، شبکه­های عصبی با پایه محرک شعاعی²⁸ (هوانگ و همکاران، 2006)²⁹، درخت دسته­بندی و رگرسیون CARD (لی و همکاران، 2006)³⁰، ماشین­بردار پشتیبان (هوانگ و همکاران، 2007)³¹، استفادۀ توأمان شبکه­های عصبی احتمالی و چندلایه پیشخور، تحلیل براساس حداقل انحراف از میزان متوسط و رگرسیون لاجیت (ابدو و همکاران³²، 2008) ، شبکه­های عصبی پس انتشار (ساسترسیک و همکاران³³، 2009) ، ماشین بردار پشتیبان و روش جدید CLC (لو و همکاران³⁴، 2009) ، ترکیب روش ماشین­بردار پشتیبان با روش­های انتخاب ویژگی (چن و لی³⁵، 2010) ، گره اعتبارسنجی در نرم­افزار SAS و درخت تصمیم (یاپ و همکاران³⁶، 2011) است.

از جملۀ مطالعاتی که در سالهای اخیر در حوزۀ طیقه بندی مشتریان صنعت بانکداری صورت گرفته است: مقاله جمشیدی و همکاران³⁷ (2019) است؛ آنها یک رویکرد چند هدفه مبتنی بر سیستم استنتاج نورو دیفیوژن سازگار برای شناسایی پول‌شویی بانکی و مبادله ارز ارائه دادند. مگومدو³⁸و و همکاران، (2018)، دورفیو و همکاران³⁹ (2018) و پلاکسی و همکاران⁴⁰ (2018) از روشهای یادگیری ماشین مبتنی بر هوش مصنوعی جهت طراحی و نظارت بر سیستمهای ضدپول‌شویی بهره برده­اند. لیت و همکاران⁴¹ (2019)، و تیاواری و همکاران⁴² (2020) در مقالات مروری، مجموعه­ای غنی از تحقیقات صورت گرفته مبتنی بر یادگیری ماشینی و هوش مصنوعی جهت مقابله با پول‌شویی و سایر جرائم بانکی را گردآوری کرده­اند.

علی­رغم حجم انبوه تحقیقات و پژوهش­هایی که در کشورهای پیشرفته در زمینه توسعه و به‌کارگیری تکنیک­های داده­کاوی در صنعت بانکداری و بیمه به عمل آمده و نتیجه آن بهبود فرایندهای بانکی و بیمه بوده است، زمینه­های بالقوه بسیاری در به‌کارگیری این دانش در بانک­ها و بیمه ها درکشورمان وجود دارد؛ بنابراین زمینه­سازی جهت آشنایی کارشناسان و متخصصان امور بانکی و بیمه با تکنیک­های داده­کاوی و کاربردهای آن و همچنین برگزاری دوره­های آموزشی در این زمینه و به‌کارگیری عملی این علم در بانک­ها و بیمه کشور­ از اهمیت بسزایی برخوردار است. 

برای شناخت بهتر و آگاهی بیش‌تر از مشتریان باید به مفهوم بخش‌بندی مشتریان پرداخت که طی آن تلاش می‌شود گروه‌های مشتری با نیازها و الگوهای رفتاری مشابه مشخص شوند؛ از جمله الزامات یک بخش‌بندی موفق، انتخاب متغیر مناسب است. از سوی دیگر با ظهور تکنولوژی هاي جدید و امکان رقابت در سطح جهانی، بسیاری از سازمانها به منظور خدمت‌دهي بهتر و نزديك‌تر با مشتریان، به مدیریت ارتباط با مشتری روي آورده­اند. برنامه‌ريزي براي ارتباط با مشتری، بدون تسهیل و ایجاد رابط­هاي مربوط به بخش­بندي مشتریان امکان پذیر نبوده و يكي از پیش‌نیازهای شناخت و کشف رفتار آتی مشتریان مي باشد.

مشتریان در فرآیند بخش بندي به گونه­ای تقسیم مي‌شوند كه افراد شبیه به يكديگر در يك گروه قرار گرفته و گروه هاي مختلف كمترين شباهت را به يكديگر داشته باشند. سپس با توجه به خصوصیات هر گروه، برنامه هاي خاصی جهت تولید محصولات جدید، تبلیغات و بازاریابی در نظر گرفته مي شود. يكي از ابزارهايي كه امروزه جهت بخش بندي مورد توجه قرار گرفته، ابزارهای داده­كاوي و خوشه بندي مي باشد؛ داده‌كاوي، فرآیند اکتشاف و تحلیل الگوهای معنی‌دار و قواعد، در بین مقادیر زیاد داده‌ها بوسیله ابزارهای خودکار و نیمه‌خودکار مي باشد.

هدف از این تحقیق، ارائۀ یک روش طبقه­بندی مشتریان مشترک صنعت بانکداری و بیمه و نیز ایجاد مدلی جهت پیش‌بینی اعتبار مشتریان جدیدالورود می‌باشد. این تحقیق گروه متجانسی از مشتریان را مورد تحلیل قرار داده تا به نمایندگی از کل مشتریان در ساخت مدل به کار روند.

معرفی مورد مطالعاتی:

بانک ایران زمین (سهامی عام) به موجب مجوز شماره 89/283592 مورخ 21/12/1389 صادره از بانک مرکزی جمهوری اسلامی ایران در تاریخ 24/12/1389 تحت شماره 399279 در ادارۀ ثبت شرکت ها و مؤسسات غیر تجاری در تهران به ثبت رسیده است؛ سهام بانک در تاریخ 25/12/1389 در فرابورس ایران پذیرفته شده است و از تاریخ 5/7/1390 درفهرست تابلوی قیمت های بورس قرار گرفته است. بانک ایران زمین، پدیده­ای از کارآفرینی در بخش های مختلف اقتصادی است. این بانک در پی آن است تا با ارائه خدمات با کیفیت و تأکید بر مشتری مداری، بانکی پیشرو در اقتصاد آینده ایران باشد. نیز این بانک بر آن است که با رعایت کامل قوانین و مقررات پولی و مالی کشور، تجربیات برتر بین المللی را به کار بندد و خدمات خود را در بالاترین استانداردهای کیفی ارائه نماید و با استفاده از نوآوری‌ها و فن‌آوری‌های روز دنیا به لحاظ عملیات و کارآیی، پیشرو بانکهای خصوصی کشور باشد و راهکارهای بانکی و مالی کامل را به همه مشتریان ایران زمین ارائه کند. ویژگی متمایز بانک ایران زمین رویکرد دانش محوری است که فراتر از قلمرو سنتی بانکداری است و کمک می‌کند تا بانک، ضمن حفظ حقوق صاحبان سهام و سپرده گذاران، نسبت به تحولات محیطی، به بهترین نحو و هوشمندانه عمل کند و بهترین ساختاربندی را درباره محصولات و خدمات خود ارائه دهد.

شرکت بیمه آرمان (سهامی عام) به موجب قانون تأسیس بیمه‌گری و با مجوز شماره ۴۱۹۸۰۱ بیمه مرکزی جمهوری اسلامی ایـران در تاریخ 7/10/1390 در ادارۀ ثبت شرکت ها و مؤسسات غیر تجاری، به ثبت رسید و پروانه فعالیت بیمه‌گری در انواع رشته های بیمه‌ای را تحت شماره 90/۴۳۵۴۱ مورخ 18/11/1390 از بیمه مرکزی جمهوری اسلامی ایران دریافت کرد.

چشم انداز بیمۀ آرمان، فعالیت در یک صنعت خدماتی مبتنی بر رقابت آزاد، مستلزم تدوین و تألیف نقشۀ راه و ترسیم افق فعالیت های سازمان است؛ افزایش چشمگیر تعداد شرکت های بیمۀ فعال در سطح کشور و نیز حضور شرکت‌های با سابقه و توانمند در این صنعت، نشان از اهمیت و لزوم برنامه‌ریزی، سازماندهی، مدیریت و اتخاذ تدابیر مناسب برای شرکت‌های نوپاست.

هدف از این تحقیق، ارائۀ یک روش طبقه­بندی مشتریان مشترک صنعت بانکداری و بیمه و نیز ایجاد مدلی جهت پیش‌بینی اعتبار مشتریان جدیدالورود می‌باشد؛ این تحقیق، گروه متجانسی از مشتریان را مورد تحلیل قرار داده تا به نمایندگی از کل مشتریان در ساخت مدل به کار روند.

مدل تحقیق

ساختار کلی مدل ارائه شده به صورت شکل 1 نشان داده می‌شود.

 

شکل 1- ساختار کلی مدل ارائه شده در این تحقیق

Figure 1: The general structure of the model presented in this research

 

ابزار و روش:

در این بخش، ابتدا رفتار و فرمولاسیون ریاضی حاکم بر ماشین‌های بردار پشتیبان تشریح شده سپس به توضیح الگوریتم ژنتیک جهت بهینه‌سازی پارامترهای موجود در شبکه ماشین‌های بردار پشتیبان پرداخته شده و در نهایت، طراحی و پیاده‌سازی شبکۀ ماشین‌های بردار پشتیبان جهت الگویابی و طبقه­بندی مشتریان شرح داده شده است.

ماشین بردار پشتیبان

مسئلۀ دسته­بندي يكي از مسائل اصلي مطرح شده در يادگيري ماشين است؛ به گونه‌ای که بسياري از مسائل را مي­توان به صورت يك مسئلۀ دسته­بندي مطرح كرده و حل كرد. از طرفي در يادگيري ماشين نيز روش‌هاي مختلفي براي حل مسئلۀ دسته­بندي صورت گرفته است؛ يكي از   روش هايي كه در حال حاضر به صورت گسترده­ براي مسئلۀ دسته­بندي مورد استفاده قرار مي گيرد، روش ماشين بردار پشتيبان است. شايد به گونه­اي بتوان محبوبيت كنوني روش ماشين بردار پشتيبان را با محبوبيت شبكه هاي عصبي در دهۀ گذشته مقايسه كرد؛ علت اين قضيه نيز قابليت استفاده اين روش در حل مسائل گوناگون مي­باشد، در حالي‌كه روشهايي مانند درخت تصميم­گيري را نمي­توان به راحتي در مسائل مختلف به كار برد. در حوزه مبانی مرتبط با یادگیری ماشین، ماشینهای بردار پشتیبان یک مدل با نظارت مبتنی بر الگوریتم‌های یادگیرنده است که داده­ها را برای طبقه‌بندی و همچنین تحلیل رگرسیون تجزیه و تحلیل می­کند. ماشینهای بردار پشتیبان یکی از قوی­ترین روش­های پیش­بینی­کننده هستند که بر اساس چارچوب­های آماری و برنامه‌ریزی ریاضی ارائه شده­اند.

این الگوریتم بر اساس یک فرایند آموزشی مشخص، داده­هایی را که هر کدام به یک دسته معین تعلق دارند مدل‌سازی و طبقه‌بندی می­کند؛ به طور کلی ماشین بردار پشتیبان، مدلی را ایجاد می­کند که نمونه­های جدیدی را به یک دستۀ مشخص اختصاص ­دهد و آن را به یک دسته­بندی خطی دودویی غیر احتمالی تبدیل می‌نماید. نسخه­های غیر خطی این دسته­بندی در مطالعات بعدی توسعه داده شده است. مکانیزم عملکرد یک ماشین بردار پشتیبان به این صورت است که نمونه­های آموزشی را به نقاطی در فضا نگاشت می­دهد تا فاصله بین دو دسته را به حداکثر برساند. سپس نمونه­های جدید در همان فضا طبقه­بندی می­شوند. علاوه بر انجام طبقه­بندی خطی، ماشین‌های بردار پشتیبان می­توانند با استفاده از مفهومی که حقه کرنل نامیده می شود، یک طبقه­بندی غیر خطی را به طور مؤثر انجام دهند و به طور ضمنی ورودی های خود را به فضاهایی با تعداد ابعاد زیاد و پیچیدگی بالا نگاشت دهند.

وقتی داده­ها فاقد برچسب هستند، یادگیری با نظارت امکان‌پذیر نیست و یک روش یادگیری بدون نظارت لازم است که سعی می­کند داده­ها را خوشه بندی کند و سپس داده­های جدید را به این خوشه­های تشکیل شده اختصاص دهد. الگوریتم خوشه­بندی بردار پشتیبان، از آماره­های بردارهای پشتیبان توسعه یافته در الگوریتم ماشین­های بردار پشتیبان، برای خوشه­بندی داده­­های بدون برچسب استفاده می­کند و یکی از پرکاربردترین الگوریتم‌های خوشه­بندی در کاربردهای مختلف است.

اصولا طبقه­بندی داده­ها یک کار معمول در یادگیری ماشین است؛ در این چارچوب اینگونه فرض می­شود که برخی از نقاط داده شده که هر یک به یکی از دو کلاس تعلق دارند در اختیار است. هدف این است که تصمیم بگیریم یک دادۀ جدید در کدام کلاس قرار می گیرد. ابرصفحه­های زیادی وجود دارند که ممکن است داده­ها را طبقه­بندی کنند. یک انتخاب منطقی به عنوان بهترین ابرصفحه، آن است که بزرگترین فاصله یا حاشیه را بین دو کلاس ایجاد کند. بنابراین ابرصفحه­ای مطلوب طوری انتخاب می­شود که فاصله آن تا نزدیکترین داده در هر طرف حداکثر شود. اگر چنین ابرصفحه­ای وجود داشته باشد، به عنوان ابرصفحه­ با حداکثر حاشیه شناخته می­شود و طبقه­بندی کننده خطی که تعریف می­کند به عنوان طبقه­بندی کننده با حداکثر حاشیه شناخته می شود. معادل چنین ابرصفحه­ای، یک پرسپترون با پایداری مطلوب در شبکه­های عصبی است.

به طور کلی، یک ماشین بردار پشتیبان یک ابرصفحه یا مجموعه­ای از ابرصفحه­ها را در فضایی با ابعاد زیاد یا بی نهایت می سازد، که می­تواند برای طبقه­بندی، رگرسیون یا سایر امور مانند outliers detection استفاده شود. به طور شهودی، یک تفکیک خوب توسط ابرصفحه­هایی انجام می شود که بیشترین فاصله را تا نزدیکترین داده آموزش داده شده در هر کلاس (به اصطلاح حاشیه عملکردی) دارد؛ زیرا به طور کلی هرچه حاشیه بیشتر باشد، خطای تعمیم طبقه­بندی کننده کمتر است.

در شکل 2 تصویری از یک مجموعه دادۀ متعلق به دو طبقه نشان داده شده که ماشین بردار پشتیبان بهترین ابرسطح را برای جداسازی آن‌ها انتخاب می‌کند. در این شکل داده‌ها دو بعدی هستند یعنی هر داده تنها از دو متغیر تشکیل شده است.

 

شکل 2- ابرسطح با حداکثر مرزِ جداکننده به همراه مرزهای جداکننده برای طبقه‌بندی

Figure 2: Hyperplane with maximum separator boundary by considering separator boundaries for classification

 

حل معادله یافتن خط بهینه برای داده‌ها بوسیله روش‌های برنامه ریزی درجه دو که روش‌های شناخته شده‌ای در حل مسائل محدودیت‌دار هستند صورت می‌گیرد. قبل از تقسیمِ خطی برای اینکه ماشین بتواند داده‌های با پیچیدگی بالا را دسته‌بندی کند داده‌ها به فضایی با ابعاد خیلی بالاتر منتقل می­شوند. برای اینکه بتوان مسئلۀ ابعاد خیلی بالا را با استفاده از این روش‌ها حل کرد از قضیه دوگان لاگرانژ برای تبدیلِ مسئلۀ مینیمم‌سازی مورد نظر به فرم دوگان آن که در آن به جای تابعی پیچیده که داده­ها را به فضایی با ابعاد بالا می‌برد تابعِ ساده‌تری به نامِ تابع کرنل استفاده می‌کنیم. از توابع کرنل مختلفی از جمله کرنل‌های نمایی، چندجمله‌ای و سیگموید برای این امر می‌توان استفاده نمود؛ در این تحقیق از یک کرنل گوسی یهره برده شده است.

 

الگوریتم ژنتیک

در این تحقیق از ماشین‌های بردار پشتیبان برای طبقه‌بندی مشتریان استفاده می‌شود؛ با توجه به حساسیت ماشین‌های بردار پشتیبان به پارامترهای ورودی که بر اساس آن‌ها خطوط تفکیک کننده را ایجاد می‌کنند، تنظیم و مقداردهی دقیق این پارامترها تا حد بسیار زیادی می‌تواند در عملکرد مثبت این روش‌ها مؤثر باشد. در پژوهش­های مختلف، مقداردهی دقیق پارامترهای روش‌های طبقه‌بندی کننده، همواره تحت عنوان یک مسئلۀ بهینه‌سازی مستقل مورد تجزیه‌وتحلیل قرار می‌گیرد. به این صورت که هدف این مسائل کمینه‌سازی خطای طبقه‌بندی به ازای مقادیر مختلف پارامترهای ورودی الگوریتم‌های مورد استفاده می‌باشد. در این تحقیق به منظور بهینه‌سازی پارامترهای شبکه ماشین‌های بردار پشتیبان توسعه داده شده جهت طبقه‌بندی مشتریان از الگوریتم ژنتیک استفاده می‌شود؛ در ادامه کلیات الگوریتم ژنتیک ارائه می‌شود.

اصول کاری الگوریتم ژنتیک، در ساختار  الگوریتمی شکل 3 نمایش داده شده است؛ مهم‌ترین گام لازم برای پیاده‌سازی الگوریتم ژنتیک و انواع مختلف آن عبارتند از: تولید جمعیت (اولیه) از جواب‌های یک مسأله، مشخص کردن تابع هدف، تابع برازندگی⁴³ و به کار گرفتن عملگرهای ژنتیک جهت ایجاد تغییرات در جمعیت جواب‌های مسأله. عملگرهای ژنتیک قابل تعریف در الگوریتم ژنتیک، در ادامه معرفی خواهند شد؛ اصول کاری الگوریتم ژنتیک عبارتند از:

ü       فرموله کردن جمعیت ابتدایی متشکل از جواب‌های مسأله

ü       مقداردهی اولیه و تصادفی جمعیت ابتدایی متشکل از جواب‌های مسأله

حلقه تکرار:

ü       ارزیابی تابع هدف مسأله

ü       پیدا کردن تابع برازندگی مناسب

ü       انجام عملیات روی جمعیت متشکل از جواب‌های مسأله با استفاده از عملگرهای ژنتیک

ü       عملگر تولید مثل

ü       عملگر ترکیب 

ü       عملگر جهش

ü       تا زمانی که:  شرط توقف انجام شود.

 

شکل 3- نمای کلی از فرایند تکاملی در الگوریتم ژنتیک پس از تولید مثل، ترکیب و جهش

Figure 3: Overview of the evolutionary process in the genetic algorithm after reproduction, crossover and mutation

 

ما دراین تحقیق برای سیاست انتخاب از مکانیزم چرخۀ رولت بهره برده ایم؛ براي انجام عملگر تقاطع، ابتدا والدين انتخاب گشته، سپس فرزندان با استفاده از عملگر تقاطع يکنواخت توليد مي­شوند. عمليات جهش نيز بر روي هر درآيه از ماتريس موجود در کرموزوم انجام مي­شود. دراين عملگر، پس از انتخاب والد‌ مورد نظر، به‌ازاي هر ژن در كروموزوم والد، عددي تصادفی بين صفر و يك توليد مي­شود و با نرخ جهش مشخص، مقادير ژن­هاي كروموزوم والد مورد جهش قرارمي­گيرد.

طبقه بندی مشتریان با استفاده از مدل ترکیبی مبتنی بر ماشین بردار پشتیبان و الگوریتم ژنتیک:

با توجه به توضیحات ارائه شده در مورد ماشین‌های بردار پشتیبان و الگوریتم ژنتیک، در این بخش بنا داریم از یک روش ترکیبی مبتنی بر شبکۀ ماشین‌های بردار پشتیبان و بهینه‌سازی با استفاده از الگوریتم ژنتیک طبقه‌بندی مشتریان مشترک صنعت بانکداری و بیمه را مدل‌سازی نماییم؛ برای این منظور ابتدا متغیرهای مستقل و وابسته مشخص می‌شود. در این تحقیق، اطلاعات هویتی مشتریان تحت عنوان متغیرهای مستقل و طبقه­ای که هر مشتری در آن قرار گرفته است به عنوان متغیر وابسته تعریف می‌شود. در مرحلۀ بعد مجموعۀ مشتریان به دو دسته داده‌های آموزش و داده­های آزمایش تقسیم‌بندی می‌شوند؛ تقسیم‌بندی داده‌ها به دو گروه آموزش و آزمایش به صورت تصادفی صورت می‌گیرد؛ به این صورت که ۹۰ درصد از داده‌ها در فاز آموزش و مابقی در فاز آزمایش به کار گرفته می‌شود.

با توجه به اینکه عملکرد دسته‌بندی در ماشین‌های بردار پشتیبان به پارامترهای آن بستگی دارد باید هر ماشین‌ بردار پشتیبان با مجموعه پارامترهای کارا مورد استفاده قرار گیرد. در این تحقیق پارامترهای قابل تنظیم برای ماشین‌های بردار پشتیبان عبارتند از:

·       ضریب جریمه (C)

·       خطای قابل پذیرش ε))

·       میزان انحراف معیار تابع کرنل گوسی مورد استفاده )δ(

پارامترهای فوق به صورت یکپارچه و هم‌زمان برای ماشین‌ بردار پشتیبان -با استفاده از الگوریتم ژنتیک- تنظیم می‌شود میزان برازش فرض شده برای هر پاسخ در الگوریتم ژنتیک خطای کلی طبقه‌بندی می‌باشد.

یافته­ها

در بخش‌های قبل، مدل پیشنهادی برای طبقه بندی مورد بحث قرار گرفت. همچنین روش و چارچوب تحقیق و روش پیشنهادی برای ارزیابی و بخش‌بندی مشتریان مشترک صنعت بانکداری و بیمه بر اساس ارزش مشتریان نیز به‌طور خلاصه شرح داده شد. در این فصل به پیاده‌سازی روش پیشنهادی که در بخش قبل به‌ تفصیل مورد بحث و بررسی قرار گرفت، پرداخته شده است. این روش با توجه به مورد مطالعاتی که برای این تحقیق در نظر گرفته‌شده، پیشنهادشده است. بنابراین عوامل مؤثر بر ارزش مشتریان نیز با شرایط اطلاعات اخذ شده از این مؤسسات منطبق شده است.

اطلاعات هویتی و شاخص­های عملکری مشتریان

در این تحقیق با توجه به اهداف ترسیم شده، اطلاعات مشتریان مشترک صنعت بانکداری و بیمه مورد نیاز بوده است. با توجه به اینکه هر یک از مؤسسات بانک ایران زمینه و بیمه آرمان اساسا تنها اطلاعات مشتریان خود را در پایگاه­های اطلاعاتی ثبت می کردند، جمع آوری این اطلاعات با پیچیدگی‌های بسیار زیادی همراه بود. در نهایت این اطلاعات با انطباق دادن پایگاه داده­های این دو سازمان و همکاری بخشهای IT آنها جمع­آوری شد.

اطلاعات هویتی مشتریان مشترک بیمه آرمان و بانک ایران زمین گردآوری شده است؛ این اطلاعات در مورد ۶۰۵۹۶ مشتری بوده است؛ پس از بررسی‌های اولیه و پیش‌پردازش اطلاعات، در نهایت جدول نهایی اطلاعات مشتریان مشترک به صورت جدول 1 قابل ارائه است. در این جدول نحوۀ کدینگ اطلاعات مشتریان در فرایند پردازش اطلاعات ارائه می­شود.

 

جدول 1- اطلاعات هویتی مشتریان مشترک بانک و بیمه

Table 1: Identity information of bank and insurance common customers

سرفصل Headline	نام شاخص در پایگاه داده The index name in the database	نام فارسی شاخص The Persian name of the indicator	نحوه­ی کدینگ coding way
اطلاعات هویتی Identity information	Cust_Brith_Date	سن
	Sex_Desc	جنسیت	زن =0، مرد = 1، نامشخص = 2
	Cust_Married_Desc	وضعیت تاهل	مجرد = 0، متاهل = 1، نامشخص = 2
	Cust_Grad_Desc	وضعیت تحصیل	بیسواد = 0، زیردیپلم =1، دیپلم =2، فوق دیپلم = 3، لیسانس = 4، فوق لیسانس = 5،، دکتری = 6، نامشخص = 7
	Cust_Group_Desc	حقیقی یا حقوقی بودن	حقوقی = 1، حقیقی = 0
	card_count	تعداد کارت های مشتری
	has_longterm_deposit	افتتاح سپرده بلند مدت	ندارد = 0، دارد = 1
	Dpst_Group_Desc	نوع سپرده	سپرده سرمایه گذاری بلند مدت = 1، سپرده سرمایه گذاری کوتاه مدت = 2، سپرده قرض الحسنه پس انداز = 3، سپرده قرض الحسنه جاری = 4، غیره =5
	Count_Acc	تعداد حساب در بانک

 

پیش­پردازش­های اعمال شده بر روی داده­ها: 

داده های مستخرج از پایگاه داده های بانک و بیمه به صورت خام قابل استفاده نیست؛ در این مرحله خطاهاي داده­ها تصحیح می­شوند و داده‌هاي اشتباه جایگزین می شوند تا بخش زیادی از زمان داده­کاوي در این تحقیق را در برگیرد. در این مرحله به دلیل بالا بودن تعداد رکوردهای اطلاعات مشتریان مشترک بانک و بیمه و تراکنش‌های آنان، گزارش‌گیری بسیار زمان‌بر و نیاز به گرفتن گزارش‌ها در چند مرحله بود. پس از دریافت جداول توسط نرم‌افزار SQLSERVER به ‌منظور انجام این پژوهش، بانک اطلاعاتی یکپارچه‌ای، شامل مشتریان مشترک بانک و بیمه و تراکنش‌های آن‌ها طی یک دوره زمان مشخص استخراج گردیده است. در انتها داده‌ها به فرمت فایل Excel آماده گردید. این اطلاعات با انطباق دادن پایگاه داده­های این دو سازمان برای 60596 مشتری به نمایندگی از مجموعه مشتریان هدف جمع­آوری شد. این تعداد مشتری برای مطالعۀ حاضر و ساخت الگوهای مورد نیاز پایلوت مناسبی محسوب می­شود.

حذف داده‌های ناقص، بی‌کیفیت و مغشوش: در این گام برخی از پارامترهای موجود که دارای اطلاعات مفقوده زیاد بودند یا با سایر اطلاعات سازگاری نداشتند حذف شدند.

نرمال­سازی داده­ها جهت نگاشت به بازه­ی بین صفر و یک

نکته مهمی که باید خاطرنشان کرد این است که به دلیل آنکه اطلاعات هویتی در طیف‌های مختلف جای می‌گیرند، به‌منظور کسب نتایج قابل‌اطمینان‌تر از فرایند خوشه‌بندی بهتر است تمام مقادیر با طیف مشابهی مقیاس‌بندی شوند. ما این کار را با مقیاس‌بندی تمام مقادیر در طیف بین 0 و 1 انجام می‌دهیم که بدین معناست که باید تمام مقادیر را به دامنه تغییرات هر پارامتر تقسیم کنیم. در این تحقیق از نرمال‎سازی Max-Min که یک انتقال خطی روی داده‌های اصلی ایجاد می‌کند استفاده شده است.

به دلیل تفاوت در واحد هر یک از شاخص‌ها، لازم است تا مقادیر این شاخص‌ها بر اساس یک واحد یکسان، نرمال‌سازی گردند؛ این شاخص‌ها با استفاده از فرمول‌های زیر، بین اعداد 0 تا 1 نرمال شدند:

رابطه نرمال سازی برای شاخص‌های منفی:
رابطه نرمال سازی برای شاخص‌های مثبت:	,

در رابطه‌های بالا نشان‌دهنده بیشترین مقادیر شاخص‌ها هستند و ، بیانگر کمترین مقادیر شاخص‌ها هستند و x نیز مقادیر اصلی شاخص‌ها را نشان می‌دهند. در نهایت ، نیز نشان‌دهنده مقادیر نرمال شده شاخص‌ها می‌باشد؛ در فرایند نرمال‌سازی، شاخص‌های عملکردی منفی ضمن نگاشت در بازه بین صفر و یک، جنبۀ مثبت پیدا می کنند. این شاخص‌ها شامل مجموع برداشت، تعداد برداشت، تعداد چک‌های برگشتی در طول دوره، خسارت دریافتی توسط مشتری و تعداد خسارت می‌شوند.

پیاده‌سازی متدلوژی ترکیبی شبکه ماشین‌های بردار پشتیبان و الگوریتم ژنتیک برای طبقه‌بندی مشتریان

در این تحقیق مشتریان مشترک بانک و بیمه در دو دسته مشتریان با ریسک کم و مشتریان پر ریسک طبقه بندی می شوند؛ فرایند برچسب‌گذاری مشتریان بر اساس شاخص‌های عملکردی آنها در بانک و بیمه مشخص می گردد؛ این شاخص­ها به طور کلی شامل موارد زیر می­شود:

1)       شاخص های عملکردی در حوزه بانک

ü       مجموع مبلغ واریز

ü       مجموع برداشت

ü       تعداد واریز

ü       تعداد برداشت

ü       تعداد چک های برگشتی در طول دوره

ü       میانگین مبالغ تراکنش های مشتری

2)       شاخص های عملکردی در حوزه بیمه

ü       حق بیمه پرداختی

ü       تعداد بیمه نامه صادره

ü       خسارت دریافتی

ü       تعداد خسارت

تمرکز اصلی این تحقیق برروی ساخت مدل داده‌محور، جهت طبقه­بندی مشتریان و بهره­برداری از آن برای پیش‌بینی عملکرد مشتریان جدیدالورود است؛ لذا روال اجرایی مدل پیشنهادی در این تحقیق بعد از فرایند برچسب­گذاری مشتریان صورت می­گیرد. دو دسته به دست آمده از فرایند برچسب­گذاری به ترتیب دارای حدودا 70 و 30 درصد مجموعه مشتریان مورد مطالعه هستند. مشتریان قرار گرفته دردسته 2 دارای ارزش بیشتری بر اساس مجموع شاخص‌های عملکردی در حوزۀ بانک و بیمه هستند.

در واقع مشتریان دستۀ اول، مشتریان پرریسک و مشتریان دستۀ دوم، مشتریان کم ریسک محسوب می­شوند.

جدول 2- برچسب­گذاری مشتریان بر اساس شاخص های عملکردی

Table 2: Costumer labeling based on the functional indexes

برچسب Label	درصد اعضای هر خوشه Percentage of members of each cluster	تعداد اعضای هر خوشه The number of members of each cluster	دسته Class
پرریسک	69.67%	42216	1
کم­ریسک	30.33%	18380	2

در این بخش با پیاده‌سازی مدل ترکیبی الگوریتم ژنتیک و ماشین‌های بردار پشتیبان بناست تا طبقه مشتریان جدیدالورود را مدل‌سازی و پیش‌بینی نماییم؛ بنابراین ابتدا مشتریان مشترک بیمه و بانک را به دو گروه داده­های آموزش و داده­های آزمایش تقسیم‌بندی می­کنیم؛ تقسیم‌بندی داده‌ها بین دو گروه به صورت تصادفی صورت گرفته؛ با حفظ این شرط که در هر مرحله، مشتریان هر طبقه وجود داشته باشند. برای این منظور حدود 10 درصد از داده‌ها به صورت تصادفی برای فاز آزمایش و مابقی آن‌ها برای فاز آموزش انتخاب می‌شوند. به طور دقیق‌تر 6060 مشتری برای فاز آزمایش کنار گذاشته شده و در فاز آموزش، اطلاعات آن‌ها به ماشین‌های بردار پشتیبان داده نمی‌شود. در فاز آموزش برای ۵۰۴۳۶ مشتری که اطلاعات آن‌ها جمع‌آوری شده است ماشین‌ بردار پشتیبان طراحی و تنظیم می‌شود. بر اساس آنچه در بخش 5 گفته شد تنظیم پارامترهای ماشین‌ بردار پشتیبان با استفاده از الگوریتم ژنتیک صورت گرفته است. تعداد تکرارهای الگوریتم ژنتیک مورد استفاده در این بخش ۵۰ تکرار، تعداد جمعیت هر نسل ۵۰ جواب، نرخ تقاطع 0.7 و نرخ جهش 0.3 در نظر گرفته شده است.

خروجی الگوریتم ژنتیک، پارامترهای تنظیم شده ماشین‌ بردار پشتیبان جهت طبقه‌بندی مشتریان است؛ بر این اساس الگوریتم ژنتیک پارامترهای ماشین‌ بردار پشتیبان را تنظیم نموده و در خروجی گزارش می‌کند. در ادامه پارامترهای ماشین‌های بردار پشتیبان مستخرج از الگوریتم ژنتیک ارائه داده می‌شود.

 

جدول 3- پارامترهای بهینه شده ماشین بردار پشتیبان با استفاده از الگوریتم ژنتیک

Table 3: Optimized parameters of support vector machine using genetic algorithm

پارامتر Parameter	مقدار Value
4.99	C
0.51	ε
0.26	δ

 

ارزیابی نتایج

به منظور ارزیابی مدل پیشنهادی در این تحقیق، از مفاهیم دقت، بازخوانی و صحت⁴⁴ مدل استفاده شده است؛ پیش از برشمردن معیارهای ارزیابی، باید مفهوم ماتریس درهم‌ریختگی روشن شود؛ این ماتریس، چگونگی عملکرد الگوریتم رده‌بندی را با توجه به مجموعۀ دادۀ ورودی به تفکیک انواع رده‌های مسئله نشان می‌دهد. شکل 4 یک ماتریس درهم‌ریختگی را برای مسئله‌ای نشان می‌دهد که دارای دو رده "+" و "-" است. هدف مسئله، تشخیص رکوردهای با رده مثبت از داده‌هایی است که تاکنون دیده نشده است.

 

رکوردهای تخمینی
رده +	رده -
FP	TN	رده -	رکوردهای واقعی
TP	FN	رده +

شکل 4: ماتریس درهم‌ریختگی

Figure 4: Confusion matrix

 

مفاهیم ماتریس درهم‌ریختگی به شرح زیر تعریف می‌شوند:

ü       تعداد منفی‌های صحیح⁴⁵ (TN): تعداد رکوردهایی که ردۀ واقعی آن‌ها منفی بوده و الگوریتم رده‌بندی نیز آن‌ها را به‌درستی منفی تشخیص داده است.

ü       تعداد مثبت‌های ناصحیح⁴⁶ (FP): تعداد رکوردهایی که ردۀ واقعی آن‌ها منفی بوده ولی الگوریتم رده‌بندی آن‌ها را به‌اشتباه مثبت تشخیص داده است.

ü       تعداد منفی‌های ناصحیح⁴⁷ (FN): تعداد رکوردهایی که ردۀ واقعی آن‌ها مثبت بوده ولی الگوریتم رده‌بندی آن‌ها را به‌اشتباه منفی تشخیص داده است.

ü       تعداد مثبت‌های صحیح⁴⁸ (TP): تعداد رکوردهایی که ردۀ واقعی آن‌ها مثبت بوده ولی الگوریتم رده‌بندی آن‌ها را به‌درستی مثبت تشخیص داده است.

مهم‌ترین معیار برای تعیین کارایی تکنیک دسته‌بندی معیار دقت⁴⁹ است؛ این معیار، دقت کل یک دسته‌بندی را محاسبه می‌نماید و نشان‌دهندۀ این حقیقت است که دسته‌بندی طراحی‌شده چند درصد از کل مجموعه رکوردهای آزمایشی را به‌درستی دسته‌بندی کرده است. دقت دسته‌بندی با استفاده از رابطۀ زیر به‌دست می‌آید که بیان می‌کند دو مقدار TP و TN مهم‌ترین مقادیری هستند که در یک مسئلۀ دودسته‌ای باید بیشینه شوند. مشکل اصلی هم، نامتعادل بودن داده‌ها و تفاوت معنی‌دار تعداد نمونه‌های هر دسته است که باعث می‌شود یک مدل متمایل به دستۀ پرتعداد، دقت کلی را بالا نشان دهد؛ بنابراین نیاز به معیاری دقیق‌تر برای سنجش دقت و کارایی الگوریتم‌های پیشنهادی دسته‌بندی هستیم، که در رابطه زیرنمایش آمده است. گاهی بازخوانی ما به خاطر ضعیف بودن مدل پیشنهادی، بالاست. این ضعیف بودن را با معیار دیگری باید اندازه بگیریم. برای حل این مشکل، در کنار معیار بازخوانی، معیار دیگری را به نام صحت⁵⁰، برابر تعداد نمونه‌های تشخیصی درست مثبت به‌کل نمونه‌های مثبت اعلام‌شده به‌صورت رابطه زیر تعریف می‌کنیم تا میزان مثبت‌های اشتباه را هم در نظر گرفته باشیم.

 

Accuracy=

Recall=

Precision =

 

در این بخش ماشین بردار پشتیبان با استفاده از نرم‌افزار MATLAB پیاده‌سازی شده است. خطای فاز آموزش با ماشین بردار پشتیبان 0.00005 می باشد. در جدول 4، دقت و خطای پیش‌بینی طبقه‌بندی مشتریان توسط ماشین بردار پشتیبان در قالب ماتریس درهم­ریختگی، به تفکیک دسته­ها مشاهده می‌شود.

جدول 4- دقت و خطای پیش‌بینی خوشه مشتریان توسط ماشین بردار پشتیبان در داده­های فاز آزمایش

Table 4: Accuracy and error of customer cluster prediction by support vector machine in test phase data

2	1	واقعی Real                                         پیش­بینی Prediction
2	4245	1
1813	0	2

 

همانطور که در ابتدای این بخش از مقاله مطرح شد، معیارهای دقت، بازخوانی و صحت برای ارزیابی روش‌های پیش­بینی طبقۀ مشتریان مشترک بیمه و بانک در این تحقیق مورد استفاده قرار می­گیرند؛ مهم‌ترین معیار برای تعیین کارایی تکنیک‌های دسته‌بندی معیار Accuracy است؛ این معیار، دقت کل یک دسته‌بندی را محاسبه می‌نماید و نشان‌دهنده این حقیقت است که دسته‌بندی طراحی‌شده، چند درصد از کل مجموعه رکوردهای آزمایشی را به‌درستی دسته‌بندی کرده است. نتایج جدول 5 نشان‌ می‌دهد که ماشین بردار پشتیبان تنظیم‌شده به وسیله الگوریتم ژنتیک برای طبقه‌بندی مشتریان، 99.98 درصد داده‌های آزمایشی را به درستی تشخیص داده است و با توجه به بالا بودن درصد سه معیار دقت، بازخوانی و صحت این روش ترکیبی نتیجه می‌گیریم این روش به طور کارآمدی قادر به طبقه بندی مشتریان مشترک بانک و بیمه است.

 

جدول 5: مقادیر دقت، یادآوری و صحت روش ترکیبی الگوریتم ژنتیک و ماشین بردار پشتیبان

Table 5: Accuracy, Recall and Precision values of hybrid method of genetic algorithm and support vector machine

صحت Precision	بازخوانی Recall	دقت Accuracy
99.98%	99.94%	99.97%

 

بحث و نتیجه­گیری

در این تحقیق، با پیاده‌سازی‌سازی ماشین‌ بردار پشتیبان برای طبقه‌بندی مشتریان مشترک بانک و بیمه به بررسی نتایج حاصل از آن پرداختیم؛ به طوری که پس از طی فرایند آموزش و دست‌یابی به پارامترهای بهینۀ ماشین‌های بردار پشتیبان با استفاده از الگوریتم ژنتیک عملکرد این روش در فاز آزمایش با 6060 مشتری که اطلاعات آن در فاز آموزش به ماشین‌های بردار پشتیبان داده نشده است ارزیابی شد. مقایسه خروجی شبکه ماشین‌های بردار پشتیبان با طبقه واقعی مشتریان، حکایت از تناسب مناسب خروجی‌های به دست آمده از شبکه ماشین‌های بردار پشتیبان با داده­های واقعی دارد. با توجه به نتایج به دست آمده خطای طبقه‌بندی مدل پیشنهادی 0.0003 می‌باشد. این نتایج بدان معنی است که دقت عملکرد ماشین‌ بردار پشتیبان حدود ۹۹.۹۷ درصد است که به این ترتیب می‌تواند دقت قابل‌قبولی قلمداد ‌شود. امروزه در اکثر سازمان­ها، داده­ها به سرعت در حال جمع­آوری و ذخیره شدن می­باشند. با وجود این، می­توان ادعا کرد که علی­رغم وجود حجم انبوه داده­ها، سازمان­ها عموماً با فقر دانش در تصمیم­گیری­ها روبرو هستند. اگرچه با استفاده از ابزارهای گوناگون گزارش­گیری معمولی می­توان اطلاعاتی را در اختیار کاربران قرارداد تا بتوانند به نتیجه­گیری در مورد داده­ها و روابط منطقی میان آن­ها بپردازند؛ اما هنگامی که حجم عظیمی از داده­ها مطرح باشد، حتی کاربران حرفه­ای و باتجربه نیز نمی­توانند الگوهای مفید را در میان انبوه داده­ها تشخیص دهند. امروزه تکنیک­های یادگیری ماشینی جهت پاسخگویی به نیازهای سازمان­ها و شرکت­های مختلف در کشف دانش از حجم انبوه داده مورد توجه قرار گرفته­اند. داده­کاوی فرآیند استخراج اطلاعات و دانش و کشف الگوهای پنهان از یک پایگاه داده بسیار بزرگ می­باشد. شرکت­های مخابراتی، بانک­ها، بیمه­ها، شرکت­های تبلیغاتی و کلیه شرکت­هایی که از بانک­های اطلاعاتی بزرگی برخوردار هستند با استفاده از داده­کاوی می­توانند فرآیندهای تصمیم­گیری خود را بهبود بخشند. داده­کاوی سبب می­شود که سازمان­ها از سطح داده به سطوح بالاتر دانش و الگوهای ناشناخته برسند. الگوهای استخراج شده می­توانند رابطه­ای بین ویژگی­ها و مشخصات سیستم مانند نوع تقاضا و نوع مشتری، پیش­بینی­های آینده براساس مشخصات سیستم، قوانین (اگر ــ آنگاه) بین متغیرهای سیستم، دسته­بندی­ها و خوشه­بندی­های اشیاء و رکوردهای شبیه به هم در یک سیستم و غیره باشند.

تعارض منافع

نویسندگان هیچگونه تعارض منافعی ندارند.

 

 

 

 

 

 

 

 

 

 

 

References 

Abdou, H., Pointon, J., & El-Masry, A. (2008). Neural nets versus conventional techniques in credit scoring in Egyptian banking. Expert Systems with Applications, 35(3), 1275-1292. doi:10.1016/j.eswa.2007.08.030

Bhattacharyya, S., Jha, S., Tharakunnel, K., & Westland, J. C. (2011). Data mining for credit card fraud: A comparative study. Decision support systems, 50(3), 602-613. doi:10.1016/j.dss.2010.08.008

Boyacioglu, M. A., Kara, Y., & Baykan, Ö. K. (2009). Predicting bank financial failures using neural networks, support vector machines and multivariate statistical methods: A comparative analysis in the sample of savings deposit insurance fund (SDIF) transferred banks in Turkey. Expert Systems with Applications, 36(2), 3355-3366. doi:10.1016/j.eswa.2008.01.003

Chen, F. L., & Li, F. C. (2010). Combination of feature selection approaches with SVM in credit scoring. Expert systems with applications, 37(7), 4902-4909. doi:10.1016/j.eswa.2009.12.025

Chu, B. H., Tsai, M. S., & Ho, C. S. (2007). Toward a hybrid data mining model for customer retention. Knowledge-Based Systems, 20(8), 703-718. do:10.1016/j.knosys.2006.10.003

Dorofeev, D., Khrestina, M., Usubaliev, T., Dobrotvorskiy, A., & Filatov, S. (2018, May). Application of machine analysis algorithms to automate implementation of tasks of combating criminal money laundering. In International Conference on Digital Transformation and Global Society (pp. 375-385). Springer, Cham.

Duman, E., & Ozcelik, M. H. (2011). Detecting credit card fraud by genetic algorithm and scatter search. Expert Systems with Applications, 38(10), 13057-13063. doi:10.1016/j.eswa.2011.04.110

Huang, C. L., Chen, M. C., & Wang, C. J. (2007). Credit scoring with a data mining approach based on support vector machines. Expert systems with applications, 33(4), 847-856. doi:10.1016/j.eswa.2006.07.007

Huang, Y. M., Hung, C. M., & Jiau, H. C. (2006). Evaluation of neural networks and data mining methods on a credit assessment task for class imbalance problem. Nonlinear Analysis: Real World Applications, 7(4), 720-747. doi:10.1016/j.nonrwa.2005.04.006

Jamshidi, M. B., Gorjiankhanzad, M., Lalbakhsh, A., & Roshani, S. (2019, May). A novel multiobjective approach for detecting money laundering with a neuro-fuzzy technique. In 2019 IEEE 16th International Conference on Networking, Sensing and Control (ICNSC) (pp. 454-458). IEEE. doi:10.1109/ICNSC.2019.8743234

Kirkos, E., Spathis, C., & Manolopoulos, Y. (2007). Data mining techniques for the detection of fraudulent financial statements. Expert systems with applications, 32(4), 995-1003. doi:10.1016/j.eswa.2006.02.016

Lee, B., Cho, H., Chae, M., & Shim, S. (2010). Empirical analysis of online auction fraud: Credit card phantom transactions. Expert Systems with Applications, 37(4), 2991-2999. doi:10.1016/j.eswa.2009.09.034

Lee, T. S., Chiu, C. C., Chou, Y. C., & Lu, C. J. (2006). Mining the customer credit using classification and regression tree and multivariate adaptive regression splines. Computational Statistics & Data Analysis, 50(4), 1113-1130. doi:10.1016/j.csda.2004.11.006

Lin, C. S., Tzeng, G. H., & Chin, Y. C. (2011). Combined rough set theory and flow network graph to predict customer churn in credit card accounts. Expert Systems with Applications, 38(1),8-15. doi:10.1016/j.eswa.2010.05.039

Lin, S. W., Shiue, Y. R., Chen, S. C., & Cheng, H. M. (2009). Applying enhanced data mining approaches in predicting bank performance: A case of Taiwanese commercial banks. Expert Systems with Applications, 36(9), 11543-11551. doi:10.1016/j.eswa.2009.03.029

Luo, S. T., Cheng, B. W., & Hsieh, C. H. (2009). Prediction model building with clustering-launched classification and support vector machines in credit scoring. Expert Systems with Applications, 36(4), 7562-7566. doi:10.1016/j.eswa.2008.09.028

Magomedov, G. S., Dobrotvorsky, A. S., Khrestina, M. P., Pavelyev, S. A., & Yusubaliev, T. R. (2018). Application of Artificial Intelligence Technologies for the Monitoring of Transactions in AML-Systems Using the Example of the Developed Classification Algorithm. Int. J. Eng. Technol, 7, 76-79.

Nie, G., Rowe, W., Zhang, L., Tian, Y., & Shi, Y. (2011). Credit card churn forecasting by logistic regression and decision tree. Expert Systems with Applications, 38(12), 15273-15285. doi:10.1016/j.eswa.2011. 06.028

Paasch, C. A. (2008). Credit card fraud detection using artificial neural networks tuned by genetic algorithms. Hong Kong University of Science and Technology (Hong Kong), 1-1112.

Plaksiy, K., Nikiforov, A., & Miloslavskaya, N. (2018, August). Applying big data technologies to detect cases of money laundering and counter financing of terrorism. In 2018 6th International Conference on Future Internet of Things and Cloud Workshops (FiCloudW) (pp. 70-77). IEEE. 10.1109/W-FiCloud.2018.00017

Sobreira Leite, G., Bessa Albuquerque, A., & Rogerio Pinheiro, P. (2019). Application of technological solutions in the fight against money laundering—A systematic literature review. Applied Sciences, 9(22), 1-29. doi:10.3390/app9224800

Quah, J. T., & Sriganesh, M. (2008). Real-time credit card fraud detection using computational intelligence. Expert systems with applications, 35(4), 1721-1732. doi:10.1016/j.eswa.2007.08.093

Sánchez, D., Vila, M. A., Cerda, L., & Serrano, J. M. (2009). Association rules applied to credit card fraud detection. Expert systems with applications, 36(2), 3630-3640. doi:10.1016/j.eswa.2008.02.001

Šušteršič, M., Mramor, D., & Zupan, J. (2009). Consumer credit scoring models with limited data. Expert Systems with Applications, 36(3), 4736-4744. doi:10.1016/j.eswa.2008.06.016

Tiwari, M., Gepp, A., & Kumar, K. (2020). A review of money laundering literature: the state of research in key areas. Pacific Accounting Review, Vol. 32 No. 2, pp. 271-303. doi:10.1108/PAR-06-2019-0065

Xie, Y., Li, X., Ngai, E. W. T., & Ying, W. (2009). Customer churn prediction using improved balanced random forests. Expert Systems with Applications, 36(3), 5445-5449. doi:10.1016/j.eswa.2008.06.121

Yap, B. W., Ong, S. H., & Husain, N. H. M. (2011). Using data mining to improve assessment of credit worthiness via credit scoring models. Expert Systems with Applications, 38(10), 13274-13283. doi:10.1016/j.eswa.2011.04.147

Zhao, H., Sinha, A. P., & Ge, W. (2009). Effects of feature construction on classification performance: An empirical study in bank failure prediction. Expert Systems with Applications, 36(2), 2633-2644. doi:10.1016/j.eswa.2008.01.053

(53)

 

 

---

[1] .Ph.D. Candidate of Information Technology Management Group, UAE Branch, Islamic Azad University, Dubai, UAE

2.Professor, Department of Industrial Management, Science and Research Unit, Islamic Azad University, Tehran, Iran

*.Corresponding Author:[e-mail]

3.Professor, Department of Industrial Management, Science and Research Unit, Islamic Azad University, Tehran, Iran

4.Assistant Professor, Department of Management, Karaj Branch, Islamic Azad University, Karaj, Iran

[2]  

[3]  

[4]  

[5]  

[6] . دانشجوی دکتری گروه مدیریت فناوری اطلاعات، واحد امارات، دانشگاه آزاد اسلامي، دبی، امارات متحده عربی [e-mail]

[7]  .استاد گروه مدیریت صنعتی،واحد علوم و تحقيقات، دانشگاه آزاد اسلامي، تهران، ایران (نویسنده مسؤول) [e-mail]

[8] . استادگروه مدیریت صنعتی، واحد علوم و تحقيقات، دانشگاه آزاد اسلامي، تهران، ایران [e-mail]

[9]  .استادیار گروه مدیریت،واحد کرج، دانشگاه آزاد اسلامي، کرج، ایران

[10] .Xie et al

[11] .Rough Set Theory (RST)

[12] .Lin et al

[13] .Nie et al

[14] . Chu et al

[15] . Paasch

[16] . Self – organization maps (SOM)

[17] . Quah and Sriganesh

[18] . Sánchez et al

[19] . Lee et al

[20] . Bhattacharyya et al

[21] . Lee et al

[22] . Duman and Ozcelik

[23] . Scatter Search (SS)

[24] . Lin et al

[25] . Boyacioglu et al

[26] . Zhao and Sinha

[27] . Kirkos et al

[28] .Radial Basis Function (RBF Network)

[29] .Huang et al

[30] .Lee et al

[31] .Huang et al

[32] .Abdou et al

[33] .Šušteršič et al

[34] .Luo et al

[35] .Chen and Li

[36] .Yap et al

[37] .Jamshidi et al

[38] .Magomedov et al

[39] .Dorofeev et al

[40] .Plaksiy et al

[41] .Leite et al

[42] .Tiwari et al

[43] .Fitness

[44] .Accuracy- Recall-Precision

[45] .True Negative

[46] .False Positive

[47] .False Negative

[48] .True Positive

[49] .Accuracy

[50] .Precision