کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10321908 660776 2015 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Business intelligence in banking: A literature analysis from 2002 to 2013 using text mining and latent Dirichlet allocation
ترجمه فارسی عنوان
هوش تجاری در بانک‌داری: تحلیل ادبیات از 2002 تا 2013 با استفاده از متن‌کاوی و تخصیص پنهان دیریکله
کلمات کلیدی
فهرست مطالب مقاله
چکیده
کلیدواژه‌ها
1- مقدمه
2- زمینه
2-1- متن‌کاوی
2-2- بانک‌داری
2-3- هوش تجاری
2-4- تحلیل ادبیات
جدول 1: مثال هایی از چارچوب های مرتبط برای تحلیل ادبیات و روی کرد پیشنهادی
3- مطالب و روش‌ها
3-1- انتخاب جورنال
جدول ۲: جورنال‌های انتخاب شده و نتایج جست‌وجو
3-2  جست‌وجوی مقاله
3-3- متن‌کاوی برای بررسی ادبیات
جدول 3: واژه نامه ی حوزه ی بانک داری
جدول 4: واژه نامه ی حوزه ی BI 
3-4- طبقه‌بندی مباحث
R کد ۱: ایجاد فهرست مجموعه‌ی نوشته‌ها، تمیزکاری و تشکیل جدول اصطلاحات سند
4- نتایج و تحلیل
4-1- مباحث تخصیص پنهان دیریکله و متن‌کاوی
جدول ۵: فراوانی رواترین (مرتبط‌ترین) اصطلاح برای کاربرد BI در بانک‌داری
شکل ۱. ابر واژگانی برای کاربر BI در بانک‌داری
جدول 6: مباجث مرتبط با کاربرد BI در بانک داری
4-2- تحلیل مقالات نمونه برای هر مبحث
جدول 7: مقاله ی محوری هر مبحث
5. جمع‌بندی
ترجمه چکیده
در این مقاله،‌ ادبیات‌ اخیر در مورد گرایش به کاربردهای هوش تجاری برای صنعت بانک‌داری تحلیل شده است. تحقیقات با استفاده از مجلات مرتبط بر روی 219 مقاله‌ی منتشر شده بین سال‌های 2002 و 2013 انجام شد. برای تحلیل این حجم از مقالات، از تکنیک‌های متن‌کاوی برای پی‌جویی اصطلاحات مرتبط در دو حوزه‌ی هوش تجاری و بانک‌داری استفاده شد. علاوه بر آن، از مدل‌سازی تخصیص پنهان دیریکله برای گروه‌بندی مقالات به چند مبحث مرتبط استفاده شد. تحلیل با استفاده از واژه‌نامه‌های اصطلاحات متعلق به حوزه‌های بانک‌داری و هوش تجاری انجام گرفت. این روش، امکان شناسه‌گذاری روابط میان اصطلاحات و گروه‌های مقالات برحسب مباحث مشخص شده و طرح فرضیات مربوط به جهات تحقیق را فراهم کرد. برای تأیید این فرضیات، مقاله‌های مرتبط جمع‌آوری و غربال شد تا امکان صحه‌گذاری روش متن‌کاوی فراهم شود. نتایج نشان داد که اعتبار در بانک‌داری، به‌ویژه در پیش‌بینی ریسک و پشتیبانی از تأیید یا رد اعتبار (اعتبار)، گرایش عمده‌ی کاربردها است. همچنین علاقه‌ی خاصی به پیش‌بینی ورشکستگی و تقلب وجود دارد. به نظر می‌رسد برای کاهش ریزش مشتری، توجیه پیشنهادهای بانکی، هرچند با اهمیت کمتر، با هدف حفظ مشتری نیز مورد توجه است. به‌علاوه،‌ تعداد زیادی از مقاله‌ها بیشتر بر روی تکنیک‌های هوش تجاری و کاربردهای آنها متمرکزند و از صنعت بانک‌داری تنها برای ارزیابی استفاده می‌کنند و ازاین‌رو به‌روشنی بر منافع آن در کار بانک‌داری اذعان ندارند. با مشخص کردن این مباحث تحقیقی فعلی، مطالعه‌ی حاضر فرصت‌های مطالعات آتی را نیز مشخص می‌کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
This paper analyzes recent literature in the search for trends in business intelligence applications for the banking industry. Searches were performed in relevant journals resulting in 219 articles published between 2002 and 2013. To analyze such a large number of manuscripts, text mining techniques were used in pursuit for relevant terms on both business intelligence and banking domains. Moreover, the latent Dirichlet allocation modeling was used in order to group articles in several relevant topics. The analysis was conducted using a dictionary of terms belonging to both banking and business intelligence domains. Such procedure allowed for the identification of relationships between terms and topics grouping articles, enabling to emerge hypotheses regarding research directions. To confirm such hypotheses, relevant articles were collected and scrutinized, allowing to validate the text mining procedure. The results show that credit in banking is clearly the main application trend, particularly predicting risk and thus supporting credit approval or denial. There is also a relevant interest in bankruptcy and fraud prediction. Customer retention seems to be associated, although weakly, with targeting, justifying bank offers to reduce churn. In addition, a large number of articles focused more on business intelligence techniques and its applications, using the banking industry just for evaluation, thus, not clearly acclaiming for benefits in the banking business. By identifying these current research topics, this study also highlights opportunities for future research.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 42, Issue 3, 15 February 2015, Pages 1314–1324
نویسندگان
, , ,