یک سیستم توصیه گر ترکیبی مبتنی بر رفتار مشتری برای خدمات کالاکارت بانکی

با افزایش تعداد مشتریان و تنوع خدمات، استفاده از سیستم های توصیه گر در بانک ها به منظور ارائه خدمات شخصی سازی شده، بهبود رضایت مشتری و افزایش سودآوری ضروری شده است. بانک قرض الحسنه مهر ایران از جمله بانک هایی است که با توجه به تنوع وام های موجود، نیاز به یک سیستم توصیه گر وام با تمرکز بر روی کالاکارت دارد. در این مقاله، یک سیستم توصیه گر ترکیبی بر اساس داده های مشتریان بانک قرض الحسنه مهر ایران ارائه شده است که با توجه به ویژگی های کاربران، وام مناسب هر کاربر را به عنوان توصیه به او ارائه می دهد. در روش پیشنهادی از خوشه بندی ترتیبی برای یافتن کاربران مشابه بر اساس وام دریافت شده در سنوات گذشته و از شبکه عصبی عمیق به منظور یافتن کاربران مشابه جدید برای ارائه توصیه وام مناسب، استفاده شده است. بر اساس نتایج پیاده سازی می توان دید، در روش پیشنهادی مقدار دقت پیش بینی کاربران جدید به مقدار ۹۳.۲۸% و دقت توصیه ارائه شده به مقدار ۹۳.۳۲% می رسد که در مقایسه با سایر روش ها بهبود یافته است.

کلیدواژه ها:

سیستم توصیه گر ترکیبی ، تسهیلات قرض الحسنه ، خوشه بندی ترکیبی ، شبکه های عصبی عمیق