کاربرد یادگیری ماشین در تشخیص تقلب مالی در شهرداری ها: بررسی الگوریتم ها، چالش ها و راهکارهای بهینه سازی کنترل تقلب

تشخیص تقلب مالی در شهرداری ها با استفاده از فناوری یادگیری ماشین به منظور بهبود دقت، سرعت و اثربخشی سیستم های کنترل تقلب مورد بررسی قرار گرفته است. این فناوری با بهره گیری از الگوریتم های متنوعی همچون درخت تصمیم، شبکه های عصبی، ماشین بردار پشتیبان و مدل های ترکیبی قادر به شناسایی الگوهای پیچیده و پنهان تقلب است که روش های سنتی در کشف آن ها محدودیت دارند. چالش های قابل توجهی در به کارگیری این فناوری ها شامل کیفیت پایین داده های مالی، نقص در زیرساخت های فناوری اطلاعات، نگرانی های امنیتی مرتبط با حریم خصوصی داده ها و مقاومت فرهنگی و آموزشی کارکنان شهرداری ها است که می تواند مانع استفاده موثر از یادگیری ماشین شود. برای غلبه بر این موانع، ارتقای کیفیت داده ها از طریق پاکسازی و پیش پردازش، استفاده از مدل های ترکیبی و سیستم های پایش مستمر، توسعه زیرساخت های فناوری اطلاعات، آموزش مستمر نیروی انسانی متخصص و توجه به حفظ امنیت داده ها به عنوان راهکارهای کلیدی مطرح شده اند. نتایج نشان می دهد که تلفیق فناوری های یادگیری ماشین با چارچوب های مدیریتی و کنترلی موجود در شهرداری ها، می تواند موجب افزایش سلامت مالی، شفافیت عملکرد و پیشگیری به موقع از تقلب های مالی شود. این رویکرد جامع و بهینه می تواند بهبود قابل توجهی در فرآیندهای کشف تقلب مالی شهرداری ها ایجاد کند و زمینه ساز توسعه سیستم های هوشمند در مدیریت مالی سازمان های عمومی باشد.

کلیدواژه ها:

یادگیری ماشین ، تشخیص تقلب مالی ، شهرداری ها ، الگوریتم های ترکیبی ، کنترل تقلب.