ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه مدلی برای تحلیل رفتار مشتری بر بستر معماری کلان داده مطالعه موردی کشف تقلب

سال انتشار: 1395
کد COI مقاله: BICONF01_001
زبان مقاله: فارسیمشاهد این مقاله: 309
فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 23 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه مدلی برای تحلیل رفتار مشتری بر بستر معماری کلان داده مطالعه موردی کشف تقلب

عبدالله عشقی - دانشجوی دکتری فناوری اطلاعات، دانشکده مهندسی صنایع و سیستمها دانشگاه تربیت مدرس، تهران، ایران
حمید بناییان - دکتری مدیریت مالی، دانشکده مدیریت دانشگاه تهران، تهران، ایران
مهرداد کارگری - استادیار گروه فناوری اطلاعات، دانشکده مهندسی صنایع و سیستمها دانشگاه تربیت مدرس، تهران، ایران
مصطفی جاویده - کارشناس ارشد مهندسی نرمافزار، دانشکده مهندسی کامپیوتر دانشگاه علموصنعت، تهران، ایران

چکیده مقاله:

تحلیل داده های کلان به عنوان رویکردی جدید در کسب و کارها مطرح شده است و یکی از کاربردهای اصلی آن در تحلیل های هوش تجاری و کمک به تصمیم گیری بهتر در لایه های بالای مدیریت سازمانی است. پیاده سازی و اجرای این رویکرد از طرفی دارای پیچیدگی ها و هزینه های خاص خود نیز است. با توجه به درگیر بودن مجموعه متنوعی از تکنولوژی ها و انواع مختلف منابع دادهای در این رویکرد، برای پرهیز از شکست پروژه های کلانداده ای بویژه در بانک ها که پیشرو در بکارگیری تکنولوژی های نوین تحلیل دادهای هستند، لازم است تا پروژه ها در یک بستر و چارچوب آزمایش شده انجام شوند. در این تحقیق یک معماری مهندسی برای تحلیل داده های کلان بانکی بر اساس لایه های اصلی تحلیل داده ارائه شده است که نحوه اتصال و ارتباط تکنولوژی های مختلف از پایین ترین لایه یعنی لایه زیرساخت تا بالاترین لایه یعنی لایه تعامل را نشان میدهد. از این معماری سپس برای کشف تقلب در داده های بانکی استفاده شده است و روشی نیز برای تحلیل رفتارهای پرخطر و ذخیره سازی رفتارها در معماری پیشنهادی ارائه شده است

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/544552/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عشقی، عبدالله و بناییان، حمید و کارگری، مهرداد و جاویده، مصطفی،1395،ارائه مدلی برای تحلیل رفتار مشتری بر بستر معماری کلان داده مطالعه موردی کشف تقلب،اولین کنفرانس بین المللی هوش تجاری ایران،تهران،،،https://civilica.com/doc/544552

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1395، عشقی، عبدالله؛ حمید بناییان و مهرداد کارگری و مصطفی جاویده)
برای بار دوم به بعد: (1395، عشقی؛ بناییان و کارگری و جاویده)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • Abdallah, A., Maarof, M.A., Zainal, _ 2016. Fraud detection system: ...
  • . Amit Nandi, 2015. Spark for python developers. ...
  • . Borkar, V., Carey, M.J., Li, C., 2012. Inside "Big ...
  • . Buza, K., Nagy, G.I., Nanopoulos, A., 2014. S torage- ...
  • . Chaudhuri, S., 2012. What Next?: A Half-dozen Data Management ...
  • . Chen, J., Tao, Y., Wang, H., Chen, T., 2015. ...
  • . Chen, T., Xu, R., Lu, Q., Liu, B., Xu, ...
  • . Dahan, H., Cohen, S., Rokach, L., Maimon, O., 2014. ...
  • . Dong, B., Zheng, Q., Tian, F., Chao, K.-M., Godwin, ...
  • . Edge, M.E., Falcone Sampaio, P.R., 2009. A survey of ...
  • Farrington, N., Porter, G., Radhakrishnan, S., Bazzaz, H.H., Subramanya, V., ...
  • . Ghazi, M.R., Gangodkar, D., 2015. Hadoop, MapReduce and HDFS: ...
  • . Hido, S., Tsuboi, Y., Kashima, H., Sugiyama, M., Kanamori, ...
  • . Hu, H., Wen, Y., Chua, T.S., Li, X., 2014. ...
  • . Kambatla, K., Kollias, G., Kumar, V., Grama, A., 2014. ...
  • . McAfee, A., Brynjolfsson, E., 2012. Big Data: The Management ...
  • . Merino, J., Caballero, I., Rivas, B., Serrano, M., Piattini, ...
  • Philip Chen, C.L, Zhang, C.-Y., 2014. Data-intensive applications, challenges, techniques ...
  • . Rehman, M.H. _ Chang, V., Batool, A., Wah, T.Y., ...
  • . Siddiqa, A., Hashem, I.A.T., Yaqoob, I., Marjani, M., Shamshirband, ...
  • . Siddiqa, A., Hashem, I.A.T., Yaqoob, I., Marjani, M., Shamshirband, ...
  • . Spaho, E., Barolli, L., Xhafa, F., Biberaj, A., Shurdi, ...
  • . Srivastava, U., Gopalkrishnan, S., 2015. Impact of Big Data ...
  • . Sun, N., Morris, J.G., Xu, J., Zhu, X., Xie, ...
  • . Tien, J.M., 2013. Big Data: Unleashing information. J. Syst. ...
  • . Wang, L.X., 1997. A course in fuzzy systems and ...
  • . Wang, M., Holub, V., Murphy, J., OSullivan, P., 2013. ...
  • . Zhang, Q., Cheng, L., Boutaba, R., 2010. Cloud computing: ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 29,157
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی