این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت صنعتی، جلد ۱۶، شماره ۲، صفحات ۲۸۲-۳۰۲
عنوان فارسی ارائه مدلی به‌منظور مکان‌یابی دستگاه‌های خودپرداز بر اساس تراکنش‌ها در شبکه دستگاه‌های خودپرداز
چکیده فارسی مقاله هدف: مکان جغرافیایی دستگاه‌های خودپرداز، داده‌ای کلیدی است که تجزیه‌وتحلیل آن برای پاسخ به بسیاری از تصمیم‌های مهم بانکی و اقتصادی راه‌گشاست. با توجه به محدودیت‌های ناشی از نگرش بسته در اکوسیستم بانکی کشور، امکان در دست داشتن یکپارچۀ مکان‌های جغرافیایی تمامی دستگاه‌های خودپرداز میسر نیست. در مطالعۀ حاضر که از نوع کاربردی با روش توصیفی – هم‌بستگی است به‌کمک داده‌های موجود در شرکت داتیس آرین قشم (داتین)، طول و عرض جغرافیایی این دستگاه‌ها با استفاده از الگوریتم پیش‌بینی مکان دستگاه‌های خودپرداز به‌دست آمده است؛ زیرا این داده‌ها در پیاده‌سازی بسیاری از الگوریتم‌های هوش مصنوعی لازم و ضروری است و نقش اساسی ایفا می‌کند. روش: الگوریتم مکان‌یابی ارائه شده از سه مرحله کلی تشکیل شده است. در این الگوریتم، ابتدا گراف دوبخشی کاربر ـ مکان تشکیل می‌شود. ارتباط بین کاربران با استفاده از تراکنش‌هایی که کاربران انجام داده‌اند، استخراج می‌شود و ارتباط بین مکان‌های جغرافیایی با استفاده از دستگاه‌هایی که مکان معلومی دارند، تشکیل می‌شود. در مرحله بعد با استفاده از گرافِ دو بخشیِ تشکیل شده، دو شاخص شباهت مکانی و شباهت همسایگی در شبکه خودپردازها محاسبه می‌شود. در همین مرحله با استفاده از ماژول یافتن فاصلۀ زمانی ـ مکانی که خود شامل دو مرحله یافتن خودپردازهای هم‌مکان و خوشه‌بندی آن‌هاست، اجرا می‌شود و ویژگی‌هایی به یال‌ها اختصاص داده می‌شود که بر فاصله به همراه میزان شباهتِ دو خودپرداز (نودهای متصل‌کنندۀ یال‌ها) مبتنی است. مرحله سوم در این الگوریتم برای افزایش دقت نتایج طراحی شده است و شامل فیلتر کردن یال‌هایی است که با اطمینان پایین با استفاده از شباهت به‌دست‌آمده از مرحله قبل حاصل شده است و شباهت کسینوسی دو دستگاه خودپرداز است. در نهایت با استفاده از یال‌ها و دقت به‌دست‌آمده برای هر خودپرداز، طول و عرض جغرافیایی به همراه احتمال درستی گزارش می‌شود. یافته‌ها: با استفاده از محل استقرار 2100 خودپرداز (بخشی از داده‌های موجود در شرکت داتیس آرین قشم) و بررسی 562609790 تراکنش در بازه زمانی چهار ماهه، از ابتدای فروردین ماه سال 1401 تا پایان تیرماه همان سال، محل 420 خودپردازِ موجود در کل کشور شناسایی شد. نتایج به‌دست‌آمده نشان‌دهنده اعتبار عالی الگوریتم (95/80درصد) است. نتیجه‌گیری: در این مطالعه با کاربست روش توسعه داده شده در حوزه بانکداری، به پیش‌بینی یال در شبکه‌های اجتماعی مبتنی بر مکان پرداخته شد و با استفاده از آن، طول و عرض جغرافیایی دستگاه‌های خودپرداز در سطح کشور تخمین زده شد. شبکه‌های اجتماعی مبتنی بر مکان، به‌دلیل ادغام داده‌ها در چندین سطح، حل مسائلی را ممکن می‌سازند که تا پیش از این امکان‌پذیر نبود. استفاده از این روش‌ها، به‌خاطر استفاده از الگوریتم‌ها و پایگاده داده مبتنی بر گراف، هزینه پردازشی کمتر و سرعت بیشتری دارند و نتایج دقیق‌تری را ارائه می‌دهند.
کلیدواژه‌های فارسی مقاله الگوریتم پیش‌بینی مکان دستگاه‌های خودپرداز،پیش‌بینی یال،دستگاه‌های خودپرداز،شبکه‌های مبتنی بر مکان،
عنوان انگلیسی Identifying the Latitude and Longitude of ATMs in ATM Networks
چکیده انگلیسی مقاله Objective The geographical positioning of Automated Teller Machines (ATMs) is a pivotal data point that significantly aids in the analytical process and decision-making for a multitude of critical banking and economic determinations. Given the constraints imposed by the insular viewpoint prevalent in the nation’s banking ecosystem, maintaining a consolidated perspective of all ATMs’ geographical locations is not feasible. In this study, we utilized the ATM Location Prediction (ATMLP) algorithm to determine these machines’ geographical coordinates. This data is indispensable and plays a cardinal role in the implementation of a multitude of artificial intelligence algorithms.   Methods The ATMLP algorithm comprises three primary stages. The first stage involves constructing a bipartite user-location graph. The relationship between users is derived from transactional interactions, while the relationship between geographical locations is established using devices with known locations. The second stage involves the computation of two crucial indices: spatial similarity and neighborhood similarity, within the ATM network using the bipartite graph. This stage also includes a time-space distance finding module, which has two steps in its procedure: finding co-located ATMs and then clustering them. Distance-based features are assigned to edges because they reflect the similarity level between the pair of ATMs, nodes connected by edges. The third stage of the algorithm fine-tunes the results for better accuracy. In this process, low-confidence edges are filtered out by leveraging similarity metrics from the previous stage and cosine similarity between pairs of ATMs. In the end, the algorithm reports the geographical latitude and longitude for each ATM, plus the probability score indicating how correct it is.   Results By leveraging 2100 ATM locations (a portion of the data available in Datis Arian Qeshm Company) and examining 562609790 transactions in four months from the start of April 2022 to the end of July 2022, we identified the location of 4000 existing ATMs across the country belonging to 12 banks. The results obtained indicate a high credibility of the algorithm (80.95%).   Conclusion In this study, we applied a developed method in banking to predict edges in location-based social networks, and using it, we accurately estimated the geographical coordinates - latitude and longitude - of ATMs on a national scale. Location-based social networks, due to data integration at multiple levels, enable problem-solving that was previously impossible. The use of these methods has less processing cost and higher speed due to the use of algorithms and graph-based databases, and they provide more accurate results. This study has significant implications for future research in banking technology, particularly about location prediction for ATMs.
کلیدواژه‌های انگلیسی مقاله الگوریتم پیش‌بینی مکان دستگاه‌های خودپرداز,پیش‌بینی یال,دستگاه‌های خودپرداز,شبکه‌های مبتنی بر مکان
نویسندگان مقاله نیلوفر حق جو |
دکتری، گروه بیوانفورماتیک، دانشکده بیوانفورماتیک، دانشگاه تهران، تهران، ایران.

محمد رحمتی |
کارشناس ارشد، گروه مهندسی کامپیوتر، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، ایران.

علی زارع میرک آباد |
مربی، گروه مدیریت، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.

نشانی اینترنتی https://imj.ut.ac.ir/article_98435_bb38b2bff6457622f231514de3408b4a.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات