چکیده مقاله
در سال های اخیر تحلیل رفتار مالی مشتریان با تکیه بر داده های تراکنشی و الگوریتم های هوش مصنوعی به یکی از محورهای اصلی تحول بانکداری هوشمند تبدیل شده است در این پژوهش چارچوبی چند مرحله ای برای تحلیل، خوشه بندی و پیش بینی رفتار مالی کاربران ارائه شده است ابتدا تراکنش ها با استفاده از روش های ترکیبی برچسب گذاری ضعیف، مدل های زبانی تخصصی مالی FinBERT پردازش و اعتبارسنجی شدند سپس برای افزایش تنوع داده ها از مدل های مولد CTGAN و TimeGAN جهت تولید داده های مصنوعی واقع نما بهره گرفته شد در مراحل بعد الگوهای رفتاری مشتریان با استفاده از الگوریتم های استخراج توالی و خوشه بندی K Means و DBSCAN شناسایی گردید برای پیش بینی رفتار آینده و ارائه پیشنهادهای مالی هوشمند مدل های Random Forest، LSTM و XGBoost به کار گرفته شدند به منظور بهبود تحلیل زمینه ای و سازگاری با تغییرات رفتاری مدل پیشنهادی ACFF Adaptive Contextual Financial Framework معرفی شد که از سه لایه، زمینه ای انطباقی و تصمیم مالی تشکیل شده است در پایان اثرات این مدل بر مشاغل حوزه مالی و تغییر ساختار نیروی کار نیز بررسی شد این چارچوب می تواند گامی موثر در توسعه سامانه های بانکداری هوشمند و توصیه گرهای مالی مبتنی بر داده باشد
کلیدواژه‌ها
نویسندگان
علی خانیزاده
سید محمد سراج الدین آیت اللهی
سید محمد سراج الدین آیت اللهی
علی خانیزاده
شیوه ارجاع
�انیزاده، علی و سراج الدین آیت اللهی، سید محمد،1404،تجزیه و تحلیل داده های تراکنشی برای ارائه خدمات شخصی سازی شده با هوش مصنوعی در بانکداری،کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال،یزد
ارائه‌شده در
مجموعه مقالات کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال21 آبان 1404 · یزد