داده کاوی

عمق نوری آئروسل ( AOD ) پارامتر سنجش از دور مهمی است که به عنوان نماینده ای از غلظت آئروسل اتمسفری برای نظارت بر طوفان های گردوغبار استفاده می شود. در مطالعات پیشین ارتباط بین پارامترهای اقلیمی و AOD گزارش شده است. از طریق تجزیه و تحلیل این ارتباط می توان الگوهای مکانی- زمانی AOD را پیش بینی کرد. در پژوهش حاضر برای اولین بار از الگوریتم داده کاوی M5P نظر به کاربرد آن در خصوص کشف اطلاعات ارزشمند از میان مجموعه داده های بزرگ برای استخراج مدل های پیش بینی کننده AOD استفاده شد. بدین منظور، سری زمانی روزانه داده های سنجش از دوری پارامترهای دمای هوا، بارش، رطوبت نسبی، و سرعت باد و AOD در یک بازه زمانی ده ساله (2005-2014) در محدوده شهرستان اهواز به عنوان ورودی های M5P تهیه و آماده سازی شد. از طریق تشکیل درخت های تصمیم مبتنی بر قوانین «اگر– آنگاه» و تجزیه و تحلیل رگرسیون چندمتغیره در چارچوب الگوریتم M5P ، چهار مدل پیش بینی کننده خطی به دست آمد. برای اعتبارسنجی مدل های خطی، از آماره های ضریب همبستگی پیرسون، MAE ، و RMSE بهره گرفته شد. مقادیر این آماره ها به ترتیب 69/0، 22/0، و 31/0 برآورد شد که حاکی از قابلیت اطمینان مدل ها در رابطه با پیش بینی AOD است. به طور کلی، نتایج این پژوهش نشان داد تکنیک داده کاوی در زمینه پیش بینی AOD کارآمد است.

در عصر حاضر آموزش های مجازی بخش جدایی ناپذیر از سیستم آموزشی است. هرچند پژوهش های متعددی در ارتباط با تأثیر آموزش های مجازی انجام شده است اما سودمندی برگزاری آموزش های مراکز فنی و حرفه ای به صورت مجازی برای مهارت آموزان موردحمایت کمیته امداد امام خمینی (ره) کمتر موردتوجه قرارگرفته است. پژوهش حاضر به شناسایی مؤلفه های تأثیرگذار در موفقیت برگزاری این دوره ها می پردازد. جامعه آماری افراد تحت پوشش کمیته امداد امام خمینی (ره) شهرستان های خرمدره و ابهر به تعداد 220 نفر است. ابزار گردآوری داده ها پرسشنامه ساخته شده محقق می باشد که روایی آن از طریق نظرات متخصصان و پایایی آن بر اساس توافق ارزشیابان تأیید شد. برای تجزیه وتحلیل داده ها و کشف الگوهای نهفته و همچنین پیش بینی میزان موفقیت برگزاری آموزش های مجازی از علم داده کاوی ، الگوریتم های میانگین کاو c4.5 و نرم افزار وکا استفاده شده است. نتایج تحقیق حاکی از آن است که متغیرهای توانایی استفاده از سامانه آموزش مجازی مانند دارا بودن مهارت و یا عدم مهارت در کار کردن با کامپیوتر ، دارا بودن تجهیزات سخت افزاری و نرم افزاری و همچنین خصوصیت های فردی مثل سن، شغل ، میزان تحصیلات، آشنایی و یا عدم آشنایی با دوره های آموزش مجازی، انگیزه لازم برای شرکت در این دوره ها و سایر مؤلفه ها درروند برگزاری آموزش های مجازی تأثیرگذار بوده، درنهایت پیشنهاد می شود برای برگزاری دوره های آموزشی مجازی برنامه ریزی مدونی صورت گیرد و همچنین بررسی موجود بودن شرایط لازم برای برگزاری این دوره ها برای افراد تحت پوشش کمیته امداد ضروری است.

در بانکداری سنتی و کاغذی ، افراد چون کاغذی را می دیدند و لمس می کردند، اعتماد ایجاد می شد. اما امروزه با حضور بانکداری الکترونیکی، از یک سو هنوز جامعه ایران با آن خو نگرفته و از سویی دیگر ، نااطمینانی ها از عوامل اقتصادی موجب شده تا مشتریان بانک ها نسبت به سرمایه گذاری احساس تردید کنند. نااطمینانی در اقتصاد از مهمترین عوامل خروج سرمایه از بانک ها و از بین رفتن اعتماد مشتری است. مزایای بانکداری الکترونیک را می توان از دو جنبه مشتریان و موسسات مالی مورد توجه قرار داد. از دید مشتریان می توان به صرفه جویی در هزینه ها، صرفه جویی در زمان و دسترسی به کانالهای متعدد برای انجام عملیات بانکی نام برد. از دید موسسات مالی می توان به ویژگیهایی چون ایجاد و افزایش شهرت بانکها در ارائه نوآوری، حفظ مشتریان علی رغم تغییرات مکانی بانکها، ایجاد فرصت برای جست جوی مشتریان جدید در بازارهای هدف، گسترش محدوده جغرافیایی فعالیت و برقراری شرایط رقابت کامل را نام برد. برای رقابت مؤثرتر در بازارهای رقابتی دنیا بانک ها بایستی درک بهتری از مشتریان و بازار داشته باشند. صنعت بانکداری در دنیا تغییرات زیادی را در نحوه انجام فعالیت های خود متحمل شده است. بانک های پیشرو از ابزارهای داده کاوی 1 برای تقسیم بندی مشتریان، اعتبارسنجی مشتریان جهت اعطای تسهیلات و تایید آنها، پیش بینی عدم پرداخت بدهی ها، بازاریابی و شناسایی الگوهای کلاهبرداری استفاده می کنند. در این مقاله ضمن اشاره ای به بحث نااطمینانی و تأثیر آن بر مشتریان، تکینیک های داده کاوی به عنوان مزیت رقابتی در رضایت مشتریان از بانکداری الکترونیکی و خدمات بانکی  بیان می گردد..   <br clear="all" /> 1 Data Mining Trust was created in traditional banking, where everything was paper-based, people like to see and touch paper. But today, with the presence of e-banking, on the one hand, the Iranian society has not yet adopted it and on the other hand, uncertainties of economic agents are hand in hand to make bank customers feel uncertain about investing. Economic uncertainty is one of the most important factors in the withdrawal of capital from banks and the loss of customer confidence. Advantages of electronic banking can be considered from two aspects of customers and financial institutions. From customers' point of view, cost savings, time savings and access to multiple channels for banking operations can be mentioned.  From the point of view of financial institutions, it is possible to identify such features as creating and increasing the reputation of banks in providing innovation, maintaining customers despite the spatial variations of banks, creating opportunities for searching new customers in target markets, expanding the geographical scope of activities, and establishing the conditions for full competition. Banks must have a better understanding of customers and the market in order to compete more effectively in competitive markets around the world. The banking industry in the world has undergone many changes in its operations. The leading banks use from data mining tools to segment customers, validate clients for facility approvals, anticipate non-payment of debts, marketing, and identify fraudulent patterns. In this paper, while referring to the uncertainty and its impact on customers, data mining as a competitive advantage is expressed in customer satisfaction from e-banking and banking services.  

امروزه بیشتر مطالعات در خصوص بازار سهام در اقتصاد ایران در قالب مطالعات اقتصاد سنجی بوده که در جای خود توانسته اند راهنمای سیاستگذاران باشند ولی الگوریتمهای داده کاوی توانایی مضاعفی در خصوص تدوین سیاست های راهبردی ارایه می دهند. با عنایت به نقش واهمیت بازار سهام در اقتصاد کشور، با استفاده از الگوریتم های داده کاوی نسبت به شناسایی متغیرهای مهم و تاثیر گذار بر رابطه بلند مدت شاخص کل قیمت سهام اقدام گردید. ابتدا داده های ماهانه 1384-1396  استخراج شده و پس از پردازش، ده الگوریتم وزن دهی بر روی آنها اعمال شدد. نتایج نشان داد که سه متغیر نرخ تورم، تراز تجاری و تولید ناخالص داخلی توسط 80% از الگوریتم های وزن دهی به عنوان متغیرهای مهم معرفی شدند. در میان سه متغیر فوق بیشترین وزن (بالاتر از ۰.۹) به ارزش تولید ناخالص داخلی داده شد. الگوریتم های درخت تصمیم با دقت زیاد (96.5%) قادر بودند بین دسته های شاخص سهام تمایز قایل شده و مجددا ارزش تولید ناخالص داخلی به عنوان متغیر اصلی معرفی گردید. الگوی مربوط به نرخ سود سپرده یکساله نشان داد که بین متغیرهای تولید ناخالص داخلی، حجم حقیقی پول، نرخ تورم، تراز تجاری و نرخ حقیقی ارز با قیمت سهام رابطه مثبت و بین کسری حقیقی بودجه دولت، نرخ بهره آمریکا و نرخ سود سپرده یکساله رابطه منفی وجود داشته که با مدل تئوری سازگار بودند. نتایج این مطالعه که برای اولین بار گزارش می شود میتواند افق جدیدی را جهت سرمایه گذاران و سیاستگذاران بازار بورس را فراهم نماید Most stock market studies in Iranian economy have been done in econometrics format, which have been useful for policy makers; but data mining algorithms provide double abilities to implement guidance policies. Regarding the importance of stock market in the country, data mining algorithms have been employed to investigate the most important features on stock market rates. Monthly data (2005-2011) extracted and after preprocessing and data cleansing, ten attribute weighting algorithms (AWA) applied. The results showed three features (inflation rate, GDP and trade balance) were the most important ones selected by 80% of AWA. GDP gained the highest weight (more than 90%) and tree induction algorithms used the same feature (with 96.5% precision) to differentiate between the stock rate classes. The results confirmed a positive relationship between GDP, real value of money, inflation rate, trade balance and real exchange rate with stock prices while government’s real budget deficit, USA inflation rate and one-year interests rate revealed negative relations; compatible with the theoretical model. The results that reported for the first time can open up new vistas for investors and policy makers.

انتخاب پرتفوی بهینه، یکی از موضوعات مهم در ادبیات مالی محسوب می شود که هدف های حداکثر کردن بازده آتی و حداقل نمودن ریسک سرمایه گذاری را به همراه دارد.اساساً سرمایه گذاران برای انتخاب پرتفوی بهینه وکارا شرکت هایی را انتخاب می کنند که جزء شرکت های برتر بورس باشند و همچنین شرکت های که در رده های بالای این رتبه بندی قراردارند. رتبه بندی می تواند برحسب معیارهای مختلفی انجام گیرد. یکی از سودمندترین رتبه بندی ها،می تواند استفاده از نسبت های سودآوری واقلام کلیدی ترازنامه ای باشد.  دراین تحقیق نسبت های سودآوری و اقلام کلیدی ترازنامه ای 150شرکت برتر بورس طی 3 سال استخراج شده است و درهرسال50 شرکت با توجه نسبت های مالی بالاتر به دو دسته موفق و برتر تقسیم بندی شده اند. سپس با استفاده از 4 مدل مبتنی بر تکنیک داده کاوی و همچنین توان یادگیری هریک از مدل ها به بررسی ترتیب اهمیت این اقلام و نسبت ها جهت انتخاب پرتفوی بهینه پرداخته شده است. نتایج حاکی از آن است که اقلام کلیدی ترازنامه ای و نسبت های سودآوری هر دو برای ارائه پرتفوی حائز اهمیت بوده اما ارجحیت تاثیر گذاری آنان در هر مدل ترتیبی متفاوت است ؛ اما برخی از این اقلام مانند جمع کل دارایی ها، درصد سود به درآمد ، درصد سود عملیاتی به درآمد و نسبت قیمت به سود هر سهم (P/E) در تمام مدل ها به عنوان یک فصل مشترک از ارجحیت بالاتری برخوردارند که می تواند به عنوان مبنایی مناسب مورد توجه سرمایه گذاران قرار گیرد

حسابرسی مستقل از طریق بهبود قابلیت اتکا و افزایش اعتبار فرآیند گزارشگری مالی ، به سودمندی این فرایند و کارآیی بازارهای سرمایه کمک می کند. کیفیت حسابرسی به عوامل متعددی  به خصوص استقلال حسابرس بستگی دارد. لذا کاهش استقلال حسابرس به طور مستقیم ، برکیفیت فرایند حسابرسی و اظهار نظر وی تاثیر می گذارد. به دلیل مرتبط بودن پدیده تغییر حسابرس با استقلال حسابرس ، بررسی دقیق تر آن ضروری است. به همین دلیل هدف اصلی این پژوهش تجزیه و تحلیل ماهیت پیش بینی کنندگی متغیرهای درماندگی مالی به منظور پیش بینی تغییر حسابرس شرکت های پذیرفته شده در بورس اوراق بهادار تهران و ارائه مدلی کارا به منظور پیش بینی تغییر حسابرس شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از متغیرهای درماندگی مالی و با کمک تکنیک های داده کاوی می باشد. در این پژوهش به منظور دستیابی به اهداف تحقیق چهار فرضیه تدوین شده است به منظور آزمون فرضیه ها از  روش های داده کاوی  شبکه بیزین، درخت رگرسیون و دسته بندی و رگرسیون لجستیک استفاده شده است. یافته های  حاصل از تجزیه و تحلیل رگرسیون لجستیک تشان می دهد که در سطح اطمینان 95% رابطه معنی داری بین تغییر حسابرس و متغیرهای درماندگی مالی وجود دارد  همچنین  نتایج حاصل از روش های داده کاوی  نشان می دهد که نرخ تشخیص بیش از 89% و نرخ پیش بینی درست شرکت های دارای درماندگی مالی بیش از 84% است. به طور کلی نتایج پژوهش حاضر نشان می دهد که متغیرهای درماندگی مالی  حاصل از صورت های مالی حسابرسی شده دارای بار اطلاعاتی مناسبی برای پیش بینی تغییر حسابرس شرکتهای فعال در بورس اوراق بهادار تهران هستند و با استفاده از آنها و تکنیک های داده کاوی می توان مدل هایی با کارآیی مناسب برای پیش بینی تغییر حسابرس شرکت ها ایجاد یا ارائه کرد. Independence auditing contributes to optimization of financial reports in capital markets through improving reliability and increasing process validity. Auditing quality is a function of many different factors, particularly auditor autonomy. Therefore, any decline in auditor autonomy directly affects the process of auditing. A close analysis of auditor change is urgent, for it is related to auditor autonomy. Thus, the present study undertakes to investigate predictability of financial distress for predicting auditor changes in companies listed at Tehran Stock Exchange during 2002-2011. It also proposes a model for this process using financial distress and techniques of Data-mining.  Data mining methods, Bayesian network, Classification and Regression Tree (CART) and Logistic Regression are used for testing the four hypotheses of the study. Results of logistic regression analysis indicate a significant relationship between auditor change and financial distress at confidence level of 95%. Results also show 89% and 84% for precision and true positive rates, respectively. Our results reveal that financial distress arising from audited financial statements are good sources of information for predicting auditor changes in active companies listed at Tehran Stock Exchange, which can be used, along with data-mining techniques, for designing effective models for predicting auditor changes.

با توجه به شرایط رقابتی اقتصاد کشورها و بحران های اقتصادی ایجاد شده در سطح بین المللی و داخل کشور، نیاز به یک مدل مناسب برای پیش بینی ورشکستگی شرکت های کشور احساس می شود. تصمیم گیران کلان اقتصادی، سازمان های اقتصادی کشور و سیستم بانکی با استفاده از این مدل ها توانایی اتخاذ تصمیمات دقیق تر و با عوارض کمتری را دارا خواهند بود. همچنین مدل های فوق در سطح خرد نیز برای تصمیم گیری برای سرمایه گذاری های آتی قابل استفاده می باشد. در این تحقیق با پیاده سازی یک سیستم منسجم و هوشمند مبتنی بر شبکه عصبی، ماشین های بردار پشتیبان و یادگیری تشدید شده و در کنار آن استفاده از الگوریتم های بهینه سازی رقابت استعماری، الگوریتم فرهنگی و جستجوی هارمونی سعی شده است تا حد امکان نواقص مدل های پیشین در سطح بین الملل رفع شود. علاوه بر آن با همکاری سازمان امور مالیاتی کشور مقیاس بررسی سیستم به داده های کل کشور تعمیم یافته است که بررسی در ابعاد فوق در سطح بین الملل منحصر به فرد می باشد. تعداد نمونه های مورد بررسی در صنعت موادغذایی و نساجی به ترتیب برابر با ۵۸۲۵ و 4089 می باشد که با اعمال معیار قانونی ورشکستگی به ترتیب ۹۹۹ و ۸۴۸ نمونه شرایط ورشکستگی را در دو سال مورد بررسی دارا بوده اند. نتایج نشان دهنده برتری عملکرد ترکیب ماشین بردار پشتیبان با الگوریتم های بهینه سازی جستجوی هارمونی و رقابت استعماری در شرایط عدم حذف داده های پرت می باشد Abstract Due to the competitiveness of nations' economies and the recent financial crisis at both national and international levels, the need for an effective model to predict the bankruptcy of domestic companies is felt more than ever. Macroeconomic decision makers, economic agencies, and the banking system can benefit from this modeling to make more accurate decisions and reduce undesired outcomes. These models can also be used at the microeconomic level to help with decision-making for future investments.In this research, by implementing an intelligent and coherent system based on Artificial Neural Network (ANN), Support Vector Machine (SVM), Extreme Learning Machine (ELM), and utilizing Imperialist Competitive Algorithm (ICA), Cultural Algorithm (CA) and Harmony Search (HS), we have attempted to improve on the shortcomings of existing models used internationally. Furthermore, in a joint effort with the Iranian National Tax Administration (INTA), the evaluation scale has been extended to incorporate nationwide data which makes the scope of the work unprecedented in the world. The number of examined samples are 5825 and 4089 respectively in the food and textile sectors, and by applying bankruptcy criteria 999 and 848 samples were detected as bankrupt companies. We found the best performance in the combination of support vector machine with harmony search and imperialist competitive algorithm in terms of not using outlier detection.

بانک ها برای پیشگیری از زیان های ناشی از ریسک اعتباری به دلیل عدم بازپرداخت اقساط تسهیلات بانکی، به اعتبارسنجی مشتریان خود می پردازند. بانک های توسعه ای به دلیل اعطای تسهیلات با شرایط تسهیل شده در نرخ، وثیقه و بازه زمانی بلندمدت تسهیلات صرفاً بر اساس میزان سرمایه در گردش موردنیاز مشتریان، به آن ها تسهیلات اعطا می کنند. این موضوع باعث می شود تا برخی از مشتریان اقداماتی را در صورت های مالی و سایر داده های خود صورت دهند که بتوانند از تسهیلات بیشتر از نیاز خود برخوردار شوند. هدف پژوهش حاضر، بررسی آثار این نوع تقلب بر مدل های اعتبارسنجی و ایجاد یک مدل اعتبارسنجی پایدار و حساس به تقلب است. جامعه آماری این پژوهش شامل شرکت هایی است که به منظور اخذ تسهیلات به شعب بانک توسعه صادرات مراجعه کرده اند. متغیرهای این پژوهش شامل 55 متغیر مالی و غیرمالی است که بر اساس آن ها مدل اعتبارسنجی ایجادشده و به کارگرفته شده است. ابتدا شرکت هایی که احتمالاً در صورت های مالی دست کاری احتمالی در سرمایه در گردش داشتند، شناسایی و برچسب گذاری شدند و درنهایت با استفاده از ترکیبی از روش های داده کاوی و گزارش شاخص های ارزیابی عملکرد به بررسی آثار این نوع تقلب بر مدل های اعتبارسنجی پرداخته شد تا بتوان به مدل بهینه و پایدار یک بانک توسعه ای دست یافت.

در این پژوهش، موضوع تخصیص کالا در شرایطی که تنوع کالا و تعداد مشتریان زیاد است، مورد بررسی قرار می گیرد. گسترش سطح دسترسی به اینترنت و افزایش میل به خرید آنلاین، تعداد مشتریان را افزایش داده است. در شرایطی که تنوع کالا و تعداد مشتریان زیاد است، حل مسائلی مانند تحویل به موقع کالا یا خدمات، انتخاب و تعیین سفارش ها در انبارهای غیر متمرکز و موضوع تخصیص انبار به مشتریان دشوار است. برای حل این چالش ها، استفاده از مدل سازی ریاضی با روش های حل فراابتکاری پیشنهاد شده است. اما به دلیل تعداد زیاد حالت های تخصیص، حل مدل های ریاضی بسیار پیچیده و زمانبر است. با بهبود قدرت محاسباتی و فضای ذخیره سازی، روش های مبتنی بر داده برای حل این چالش ها توسط محققان مورد مطالعه قرار گرفته است. در این تحقیق، یک راه حل ترکیبی مبتنی بر داده که از داده کاوی و مدل سازی ریاضی استفاده می کند، تا تنوع کالاها و تعداد مشتریان را مدیریت کند، پیشنهاد شده است که در زمان کمتری مدل های ریاضی تخصیص را با دقت بالا، حل می کند. این روش روی داده های «دیجی کالا» پیاده سازی شده است.

در دنیای پر رقابت امروز، بکارگیری تکنیک های جدید در پیشرفت کسب و کار تاثیر به سزایی دارد. صنعت رستوران نیز از این قاعده مستثنی نمی باشد. از این رو، در این پژوهش، با استفاده از روش های نوین کشف دانش و داده کاوی به بررسی داده های مشتریان رستوران زنجیره ای پرداخته شده است. هدف از این تحقیق، کشف الگوهای رفتاری مشتریان با استفاده از روش های داده کاوی بوده است. در این تحقیق، تعداد یک میلیون و پانصد هزار رکورد از سوابق مشتریان در 5 شعبه یک رستوران زنجیره ای مورد بررسی قرار گرفته اند و دو مرحله مدلسازی خوشه بندی با استفاده از متد RFM و سپس مدلسازی دسته بندی بر روی داده ها اجرا گردید و قواعد رفتاری مشتریان رستوران زنجیره ای استخراج گردید. نتایج به دست آمده از این تحقیق، به شناخت مشتریان وفادار و سودآور رستوران زنجیره ای کمک کرده است که نهایتا منجر به بهبود سودآوری رستوران زنجیره ای گردیده است. برقراری ارتباط بین نتایج به دست آمده از خوشه بندی و دسته بندی از جمله نوآوری های این تحقیق بوده است.

هویت کالبدی به معنای صفات و خصوصیاتی است که جسم شهر و بنا را از غیر متمایز کرده و شباهتش را با خودی آشکار می کند. نمای ساختمان نیز بخشی از کالبد هر شهر محسوب و عاملی مؤثر در هویت بخشی به مجموعه شهری است، درحالی که نمای ساختمان امروزه دچار نابسامانی شده و این نابسامانی در منظر شهری بیشتر ناشی از تقلیدهای کورکورانه و اعمال سلیقه شخصی طراحان و همچنین عدم واکاوی تأثیر نظرات متخصصین در مرحله عملیاتی و سنجش تأثیر آن بر شهروندان است؛ لذا این پژوهش باهدف باز شناسایی اثربخشی پانزده خصلت مؤلفه های بنیادی مطرح شده توسط کریستوفر الکساندر در طراحی نماهای شهری ساختمان های گیلانی و تأثیر آن در ایجاد حس تعلق و حیات و سرزندگی شهروندان گیلانی مورد سنجش قرار گرفته است. روش مطالعه کتابخانه ای و پیمایشی از طریق ارائه (مصاحبه و پرسش نامه) است و جهت شناسایی اثربخشی مؤلفه ها پاسخ های چهارصدنفره به وسیله تکنیک های داده کاوی و تجزیه وتحلیل اطلاعات و خارج کردن پاسخ های غیرصحیح برای یافتن رابطه بین متغیرهای مستقل و وابسته استفاده گردیده و نتایج این پژوهش بیان می دارد که از دیدگاه اکثر شهروندان مراکز نیرومند، تضاد، ناهمگونی، فضای خالی، پژواک، سادگی، شکل خوب، مرزبندی، فضای معین، تکرار متناوب، جدایی ناپذیری بالاترین تاثیر را در ایجاد حس تعلق و سرزندگی دارد و همچنین پرسش شوندگان نسبت به معیار تقارن موضعی نظر کاملاً متفاوتی با الکساندر داشته و تقارن محض را ترجیح می دهند.

تلاش برای بکارگیری تکنیک های مدیریت ریسک در راستای کاهش ریسک در گمرک اهمیت دارد. هدف از پژوهش تدوین الگوی مدل مدیریت ارزیابی ریسک با استفاده از الگوریتم های داده کاوی می باشد. این پژوهش براساس روش توصیفی و تحلیلی بر اساس الگوریتم های داده کاوی می باشد و نیز تحقیق حاضر از نوع روش و ماهیت، از نوع کیفی- کمّی می باشد. جامعه آماری این تحقیق شامل خبرگان و سیاست گذاران، مدیران و مشاورین ارشد گمرک استان خوزستان می باشند. در قسمت روش کیفی مدیران و مشاورین ارشد خبره در نظر گرفته شدند، تعداد 14 نفر از همکاران خبره سازمان، تعداد 10 نفر از اساتید دانشگاهی برای استخراج اولیه مدل در قسمت کمی نیز تمامی مدیران و مشاورین ارشد گمرک استان خوزستان بعنوان جامعه آماری تحقیق در نظر گرفته شدند. در هر دو فاز کیفی و کمی نمونه گیری بصورت قضاوتی و هدفمند صورت گرفت. در این تحقیق از الگوریتم درخت تصمیم برای ساخت مدل مدیریت ارزیابی ریسک و تحلیل داده های گمرکی استفاده شد، که از الگوریتم درخت تصمیم و تحلیل داده های گمرکی از نرم افزار Rapid miner ورژن 9.1 بهره گیری شده است. نتایج تحقیق نشان داد در بین عوامل ریسک شناسایی شده در رویه تراتزیت ارزش ارزی بالاترین اهمیت و نوع ترانزیت کمترین اهمیت را دارد. و در بین عوامل ریسک شناسایی شده در رویه واردات بیمه بالاترین اهمیت و وزن خالص کمترین اهمیت را دارد و در بین عوامل ریسک شناسایی شده در رویه صادرات وزن خالص بالاترین اهمیت و ارزش ارزی کمترین اهمیت را دارد.

شناخت دقیق مخاطبان به عنوان حیاتی ترین اقدام در مدیریت یک رسانه همواره موردتوجه بوده است. با توجه به ظهور رسانه های جدید، تکنیک های سنتی گذشته توانایی پاسخ به این نیاز را از دست داده و نیاز به بهره گیری از روش های نوین در مطالعه و شناخت مخاطبان و رفتارهای آن ها است. این پژوهش با بهره گیری از روش تحلیل شبکه اجتماعی، رفتار مخاطبان پلتفرم فروش آنلاین فیلم سینمامارکت را بررسی و تحلیل کرده است. داده های رفتار استفاده کاربران از این پلتفرم در زمینه تماشای فیلم (مهرماه 1397) به صورت بی نام مورد تحلیل قرار گرفت و انبار داده اولیه تشکیل شد. داده های موجود در این انبار داده پس از پاک سازی، با استفاده از نرم افزار گفی مصور شده و با هدف شناخت کاربران، اعضای آن بر اساس الگوریتم های منطقی همچون الگوریتم لوواین انجمن بندی شدند. بر اساس تحلیل رفتار کاربران سه انجمن شناسایی شده، راهبردهای پیشنهادی از منظر نوع محتوا و همچنین نوع رفتار کاربر به منظور توسعه کاربران این پلتفرم احصا شد که بر اساس این راهبردها، مدیران پلتفرم می توانند سیاست های رسانه ای خود را در راستای بارگذاری محتوای جدید در پلتفرم و پیشنهاد هدفمند محتوا به کاربران تنظیم کرده و به این ترتیب با برآورده کردن نیاز های کاربران خود میزان درگیری ایشان با پلتفرم را افزایش دهند.

هوش مصنوعی سبب شد که حجم عظیمی از داده های علوم اسلامی به محیط دیجیتال منتقل شدند. به گونه ای که برای بهره برداری از این حوزه و عبور از تنگناهای تولید علوم اسلامی و تدبر در آن و افزایش سرعت،حجم و حتی دقت کار ناگریز به هوش مصنوعی روی آوردند،از این رو در این مقاله با استفاده از فناوری ها و فرآیندهای کشف دانش نهفته داده ها به کارکردهای متنوع هوش مصنوعی از جمله داده کاوی، متن کاوی و خوشه بندی چه در کتاب مقدس قرآن کریم و چه در دیگر متون اسلامی پرداختیم،و به عنوان نمونه ای عملی در این زمینه به نرم افزار های مرکز تحقیقات کامپیوتری علوم اسلامی نور یعنی؛ جامع الاحادیث و درایه النور اشاره کردیم .و روش این پژوهش کتابخانه ای وبصورت توصیفی _تحلیلی بود،که آن را با روش عقلی_برهانی جمع آوری کردیم و موضوع این تحقیق تک رشته ای و ساده است ،که بدین وسیله به هدف بنیادی آن رسیدیم ،که خود باعث گشایش دریچه ای جدید در بازیابی معارف قرآنی و حدیثی و...بود و امکان خلق ایده های بدیع و راهکارهای مفید پژوهشی را در ذهن پژوهشگران این حوزه ایجاد کرده است.

وجود اطلاعات مالی شفاف و قابل مقایسه رکن اصلی پاسخگویی و تصمیم گیری های اقتصادی آگاهانه است. ﻧﻘﺶ اﺻﻠی ﮔﺰارﺷﮕﺮی ﻣﺎﻟی، اﻧﺘﻘﺎل اﺛﺮﺑﺨﺶ اﻃﻼﻋﺎت ﺑﻪ اﻓﺮاد ﺑﺮون ﺳﺎزﻣﺎﻧی ﺑ ﻪروﺷ ی ﻣﻌﺘﺒ ﺮ و ﺑﻪ ﻣﻮﻗﻊ اﺳﺖ. مطالعات بسیاری درباره کیفیت گزارشگری مالی در دنیا صورت گرفته است که عمدتا با تکیه بر گزارش های ساختار یافته و محاسبات کمّی و عددی است. این در حالی است که امروزه بخش زیادی از اطلاعات مالی از طریق افشاهای کیفی مانند گزارش های روایتی و اسناد متنی منتشر می شوند. جستجوی ابزارهایی که بتواند با بررسی منابع مالی و تحلیل آن ها از میان داده های خام در گزارش های ناساختاریافته و کیفی، دانش مفید را استخراج نماید، منجر به شکل گیری شاخه ای در هوش مصنوعی گردیدکه به داده کاوی معروف است. استفاده از داده کاوی در مورد متن خود شاخه ای دیگر را در علوم هوش مصنوعی به نام متن کاوی ایجاد کرد. متن کاوی نوع خاصی از داده کاوی است که بیشتر به دنبال استخراج اطلاعات مفیداز داده های متنی ساختار نیافته ونیمه ساختاریافته (مانند اسناد متنی) از طریق تشخیص و نمایش الگوها است. پژوهش های بسیاری نشان داده اند که امروزه جهت سنجش و اندازه گیری و پیش بینی متغیرهای مالی و حسابداری باید ازگزارش های کمّی فاصله گرفته و بر گزارش های کیفی تکیه بیشتری شود وبه جای تکیه صرف بر» اعداد و ارقام« بر تجزیه و تحلیل »متن گزارش ها« نیز اتکا کرد؛ همین امر باعث شده است که پژوهشگران حسابداری و مالی در سال های اخیر تکنیک های هوش مصنوعی را در حوزه های مختلف دانش حسابداری و حسابرسی خصوصا برای درک رابطه بین متن در افشاهای شرکتی و عناصر بنیادی شرکت بیشتربه کار گیرند. در این مقاله سعی شده است پرکاربردترین و موثرترین تکنیک های هوش مصنوعی در حیطه مالی، حسابداری و حسابرسی معرفی و تشریح شوند.

پهنه های کارستی در بخش های وسیعی از کره زمین گسترده شده اند و آب های زیرزمینی کارست بخش بسیار مهمی از نیاز آبی جوامع بشری را تامین می نماید. بطوری که 25 درصد از جمعیت جهان، آب مصرفی خود را از منابع آب کارست تأمین می کنند. از این رو با توجه به اهمیت شناسایی سینکهول ها و تهیه پایگاه داده جغرافیایی آنها برای مدیریت منابع آبی هدف این مطالعه شناسایی سینکهول های موجود در توده پراو-بیستون با استفاده از روش های داده کاوی مبتنی بر خوشه بندی (الگوریتم J48) به همراه سنجش از دور شی گرا است. داده های مورد استفاده در این روش ها لایه های اطلاعاتی ناهمواری ها، شیب، جهت شیب، جهت جریان، جریان تجمعی، انحنا سطح، انحنا سطح در بیشترین شیب، انحنا سطح عمود بر بیشترین شیب بودند که از داده های مدل رقومی ارتفاع TanDEM-X با قدرت تفکیک 12 متر مشتق شدند. نتایج داده کاوی نشان داد ویژگی های جریان تجمعی با 6/45 درصد، Max-diff با 2/30 درصد، شیب با 8/14درصد و جهت شیب با 9 درصد به ترتیب اهمیت در تشخیص سینکهول ها دخالت داشته اند. استفاده از رویکرد ترکیبی داده کاوی و GEOBIA به همراه داده های TanDEM-X می تواند نتایج قابل قبولی با دقت تشخیص سینکهول که برابر با 3/71% بوده را ارائه دهد. این روش برای تشخیص سینکهول ها و از طرفی تشخیص مناطق نزدیک به سفره های زیر زمینی در توده های عظیم کارست مناسب است. چنین مطالعاتی می تواند به تهیه پایگاه داده جغرافیایی سینکهول ها

هدف: داده کاوی علم و تکنیک هایی است که برای تجزیه وتحلیل داده ها به منظور کشف و استخراج الگوهای ناشناخته قبلی استفاده می شود. همچنین، به عنوان بخش اصلی فرآیند کشف دانش در پایگاه های داده در نظر گرفته می شود. هدف اصلی ما ساخت یک مدل طبقه بندی کارآمد با دقت بالا برای بهبود کارایی و اثربخشی است. روش: در این مقاله یک تکنیک یادگیری نظارت شده به منظور ایجاد یک درخت تصمیم برای داده های نظرسنجی بیمارستان تأمین اجتماعی شهدای کارگر یزد معرفی می کنیم. هدف اصلی ساخت یک مدل طبقه بندی کارآمد با دقت بالا برای بهبود کارایی و اثربخشی فرآیند پذیرش است. برای ساخت درخت تصمیم از الگوریتم CART و بسته rpart موجود در زبان برنامه نویسی R استفاده شده است و مدل نهایی با استفاده از روش های رایج ارزیابی، ارزیابی شد. نتیجه: طبق نتیجه به دست آمده، مهم ترین طبقه (از سمت راست) طبقه اول است؛ زیرا حدود 84 درصد از داده ها را شامل می شود. این طبقه نشان می دهد که اگر میزان رضایت از پزشک بزرگتر یا مساوری 3 و همچنین، میزان رضایت از کارکنان پذیرش بزرگتر یا مساوی 4 باشد، 84 درصد از مراجعه کنندگان در صورت نیاز، مجدداً به بیمارستان مراجعه می کنند.  

رسانه ها و شبکه های اجتماعی با حضور خود شرایط جدیدی را به خصوص در زمینه کسب و کار رقم زده اند. در این میان، یکی از مهمترین موضوعات در بازاریابی رسانه های اجتماعی، محتوای ایجاد شده توسط کاربران 1 [1] (UGC) در شبکه های اجتماعی است. یکی از سوالاتی که در این زمینه مطرح می شود این است که چه عواملی بر خلق محتوای ایجاد شده توسط مشتریان بر روی شبکه های اجتماعی در کسب و کارها تاثیر گذار است. برای رسیدن به پاسخ این سوال، این پژوهش مورد مطالعاتی کافه و کافی شاپ ها را در بخش کسب و کار های خدماتی مد نظر قرار داده است. در این پژوهش ۵۰ کافه و کافی شاپ به عنوان تعداد نمونه نهایی مد نظر قرار گرفت. با محوریت شبکه اجتماعی فوراسکوئر،  ۶۲۳۰ نظر مجزا مورد تحلیل و بررسی قرار گرفت. برای رسیدن به هدف این پژوهش، از روش داده کاوی و یادگیری ماشین [2] برای تجزیه و تحلیل متن ها و نظرات کاربران استفاده شد. این پژوهش سعی کرده است، عوامل تاثیر گذار را بر خلق محتوا را با محوریت قرار دادن محتوایی که تولید شده، شناسایی کند و دیدگاه کاربران را با اتکا بر داده های موجود مورد سنجش قرار دهد. با استناد بر نتایج داده کاوی هشت عامل کیفیت خوردنی ها و نوشیدنی ها، قیمت، احساس راحتی و لذت، طراحی داخلی و فضا، برخورد پرسنل، المان های دیداری و شنیداری محیطی، تنوع منو، موقعیت مکانی استخراج شده و نشان می دهد بر روی محتوای ایجاد شده توسط کاربران در زمینه مورد مطالعاتی مورد نظر، موثر است. بر اساس این نتایج بسیاری از کسب و کار های خدماتی موجود می توانند الگوی رفتار مشتریان خود را سنجیده و بر اساس این رفتار استراتژی های بازاریابی آینده خود را طراحی و اجرا کنند.   [1] 1.  User-generated Content   [2] . Machine Learning  

شناخت مشتریان و شناسایی سرویس های سودده با توجه به تنوع مشتریان بانک و گوناگونی سرویسها در نظام بانکی کشور از اهمیت بالایی برخوردار است. مدیریت ارتباط با مشتری در حال حاضر هسته مرکزی را در دنیای تجارت به خود اختصاص داده است، امروزه درگاه های الکترونیکی بانک ها با استفاده از شبکه های تبادل گوناگون اطلاعات نظیر ساتنا، پایا، چکاوک، صیاد و . . . به یکدیگر متصل هستند. مهمترین شبکه بین بانکی مورد استفاده در ایران شبکه شتاب می باشد. دراین پژوهش با استفاده از فنون داده کاوی به بخش بندی و رتبه بندی مشتریان در شبکه شتاب با استفاده از یک مدل بهبود یافته داده کاوی مبتنی بر تازگی خرید، تناوب خرید و مبلغ خرج شده برای خرید پرداخته شده به نحوی که بانک ها بتوانند در این شبکه رفتار مشتریان خود را تحلیل و ارزیابی نموده و به تدوین سیاستهای موثر در برخورد با مشتریان بپردازند. به این منظور داده های مورد نیاز از پایگاه داده سوئیچ کارت بانک استخراج و با روش کریسپ تجزیه تحلیل های مورد نیاز و عملیات داده کاوی بر روی آن انجام شد. این داده ها در پایگاه داده های بانک رفاه موجود بوده و با استفاده از دستورات زبان دستکاری داده ها از پایگاه دادههای موسسه استخراج گردید. همچنین جهت بررسی مطالعات مشابه و افزایش اطلاعات از طریق مطالعات کتابخانه ای و اینترنتی، اطلاعات مرتبط با مدل مورد نظر گردآوری شد. نهایتاً R+FMW مدلی جهت خوشهبندی مشتریان بانک و تراکنش های آنها ارائه گردید. نتایج تحقیق نشان داد که مدل توسعه یافته R+FMW از دقت بالاتری نسبت به مدل RFM پایه برخوردار است و با استفاده از این مدل بانک ها می توانند مشتریان فعال در شبکه تبادل بین بانکی(شتاب) را شناسایی کنند و مشتریان و کانال های ارتباطی پرهزینه را از جنبه ی میزان کارمزد و اطلاعات دموگرافیک تشخیص دهند.

امروزه تجهیزات رایانه ای جزو مهم ترین دارایی های هر سازمان هستند که نگهداری و تعمیرات این تجهیزات از اهمیت بالایی برخوردار است. با توجه به اینکه مدیریت فرایند یکی از راه های بررسی شرایط و موقعیت فعلی سازمان و زمینه ساز بهبود و اصلاح آن است، پژوهش حاضر با هدف مدیریت فرایندهای نگهداری و تعمیرات سیستم های رایانه ای «دانشگاه یزد» صورت گرفت و در آن با دیدی چندجانبه سعی در شناسایی شکاف ها و کمبودهای موجود در روند نگهداری و تعمیرات این تجهیزات شده است. بدین منظور ابتدا واحد فناوری اطلاعات دانشگاه با سایر سازمان های مشابه مقایسه شد و فرایندهای مربوط به نگهداری و تعمیرات تجهیزات رایانه ای مستندسازی شدند. در ادامه داده های نه ماهه مربوط به گزارش خرابی تجهیزات، برای اطلاع از روند خرابی های اتفاق افتاده، بررسی روابط موجود در بین آن ها و همچنین کمک به مهندسی مجدد فرایندها، استخراج شده و با استفاده از تکنیک های داده کاوی تحلیل شدند. در آخر نیز با توجه به مسائل و مشکلات موجود و همچنین چارچوب طبقه بندی فرایندهای نت واحد آموزشی، راهکارهای عملی و متناسب با شرایط دانشگاه از طریق نظرسنجی خبرگان مشخص و با استفاده از روش تحلیل سلسله مراتبی اولویت بندی شدند.