نیلوفر حق جو

هدف: مکان جغرافیایی دستگاه های خودپرداز، داده ای کلیدی است که تجزیه وتحلیل آن برای پاسخ به بسیاری از تصمیم های مهم بانکی و اقتصادی راه گشاست. با توجه به محدودیت های ناشی از نگرش بسته در اکوسیستم بانکی کشور، امکان در دست داشتن یکپارچه مکان های جغرافیایی تمامی دستگاه های خودپرداز میسر نیست. در مطالعه حاضر که از نوع کاربردی با روش توصیفی – هم بستگی است به کمک داده های موجود در شرکت داتیس آرین قشم (داتین)، طول و عرض جغرافیایی این دستگاه ها با استفاده از الگوریتم پیش بینی مکان دستگاه های خودپرداز به دست آمده است؛ زیرا این داده ها در پیاده سازی بسیاری از الگوریتم های هوش مصنوعی لازم و ضروری است و نقش اساسی ایفا می کند. روش: الگوریتم مکان یابی ارائه شده از سه مرحله کلی تشکیل شده است. در این الگوریتم، ابتدا گراف دوبخشی کاربر مکان تشکیل می شود. ارتباط بین کاربران با استفاده از تراکنش هایی که کاربران انجام داده اند، استخراج می شود و ارتباط بین مکان های جغرافیایی با استفاده از دستگاه هایی که مکان معلومی دارند، تشکیل می شود. در مرحله بعد با استفاده از گرافِ دو بخشیِ تشکیل شده، دو شاخص شباهت مکانی و شباهت همسایگی در شبکه خودپردازها محاسبه می شود. در همین مرحله با استفاده از ماژول یافتن فاصله زمانی مکانی که خود شامل دو مرحله یافتن خودپردازهای هم مکان و خوشه بندی آن هاست، اجرا می شود و ویژگی هایی به یال ها اختصاص داده می شود که بر فاصله به همراه میزان شباهتِ دو خودپرداز (نودهای متصل کننده یال ها) مبتنی است. مرحله سوم در این الگوریتم برای افزایش دقت نتایج طراحی شده است و شامل فیلتر کردن یال هایی است که با اطمینان پایین با استفاده از شباهت به دست آمده از مرحله قبل حاصل شده است و شباهت کسینوسی دو دستگاه خودپرداز است. در نهایت با استفاده از یال ها و دقت به دست آمده برای هر خودپرداز، طول و عرض جغرافیایی به همراه احتمال درستی گزارش می شود. یافته ها: با استفاده از محل استقرار ۲۱۰۰ خودپرداز (بخشی از داده های موجود در شرکت داتیس آرین قشم) و بررسی ۵۶۲۶۰۹۷۹۰ تراکنش در بازه زمانی چهار ماهه، از ابتدای فروردین ماه سال ۱۴۰۱ تا پایان تیرماه همان سال، محل ۴۲۰ خودپردازِ موجود در کل کشور شناسایی شد. نتایج به دست آمده نشان دهنده اعتبار عالی الگوریتم (95/80درصد) است. نتیجه گیری: در این مطالعه با کاربست روش توسعه داده شده در حوزه بانکداری، به پیش بینی یال در شبکه های اجتماعی مبتنی بر مکان پرداخته شد و با استفاده از آن، طول و عرض جغرافیایی دستگاه های خودپرداز در سطح کشور تخمین زده شد. شبکه های اجتماعی مبتنی بر مکان، به دلیل ادغام داده ها در چندین سطح، حل مسائلی را ممکن می سازند که تا پیش از این امکان پذیر نبود. استفاده از این روش ها، به خاطر استفاده از الگوریتم ها و پایگاده داده مبتنی بر گراف، هزینه پردازشی کمتر و سرعت بیشتری دارند و نتایج دقیق تری را ارائه می دهند.