توضیحات کامل :

ترجمه مقاله هوش بازرگانی در بانکداری: تحلیل آثار از سال 2002 تا 2013 با استفاده از متن کاوی و تخصیص دیریکله نهفته در 18 صفحه ورد قابل ویرایش با فرمت doc به همراه مقاله اصلی انگلیسی در 11 صفحه پی دی اف





عنوان انگلیسی مقاله :   Business intelligence in banking: A literature analysis from 2002 to 2013 4 using text mining and latent Dirichlet allocation


عنوان فارسی مقاله :  هوش بازرگانی در بانکداری: تحلیل آثار از سال 2002 تا 2013 با استفاده از متن کاوی و تخصیص دیریکله نهفته


تعداد صفحات فایل فارسی :  18 صفحه ورد قابل ویرایش با فرمت doc


تعداد صفحات فایل انگلیسی :  11 صفحه پی دی اف


نکته این فایل :  جداول ترجمه نشده اند .

 

سطح ترجمه : متوسط


لینک دانلود رایگان مقاله انگلیسی :  http://ofmas.ir/downloadarticle/2042.pdf


دانلود ترجمه مقاله به زبان فارسی : بلافاصله پس از پرداخت آنلاین 17000 تومان ، لینک دانلود به شما نمایش داده خواهد شد .




بخشی از ترجمه :


چکیده :

این مقاله آثار اخیر را در جستجوی گرایشاتی برای برنامه های کاربردی هوش بازرگانی برای صنعت بانکداری، تجزیه تحلیل میکند. جستجوها در مجلات مرتبط انجام شد که منجر به 219 مقاله ی منتشره بین سالهای 2002 و 2013 شد. برای تحلیل چنین حجم انبوهی از نوشته ها، تکنیک های متن کاوی در پیگیری برای عبارات مرتبط هم در حوزه های هوش بازرگانی و هم بانکداری، بکار رفت. به علاوه، مدلسازی تخصیص دیریکله نهفته برای گروه بندی مقالات در چندین موضوع مرتبط بکار رفت. این تحلیل با استفاده از یک واژه نامه ی لغات اجرا شد که هم به حوزه های بانکداری و هم هوش بازرگانی تعلق داشت. چنین راه کاری برای شناسایی روابط بین مقالات با گروه بندی عبارات و موضوعات مد نظر قرار گرفت، که پیدایش فرضیاتی را در زمینه ی رهنمودهای تحقیقاتی میسر میسازد. برای تایید چنین فرضیاتی، مقالات مرتبط، جمع آوری و موشکافی شدند، که اجازه ی تایید اعتبار راه کار متن کاوی را میدهد. نتایج نشان میدهد اعتبار در بانکداری به طور واضحی، گرایش اصلی این کاربرد است، به خصوص خطر را پیش بینی میکنند و بنابراین از تایید یا رد اعتبار حمایت میکنند. هم چنین یک گرایش مرتبط به پیش بینی  ورشکستگی و کلاهبرداری وجود دارد. به نظر میرسد حفظ مشتری هم به این مساله مربوط باشد، گرچه به طور ضعیفی، با هدف گیری و توجیه، بانک کاهش خطر از دست دادن مشتری را پیشنهاد میدهد. به علاوه، شمار زیادی از مقالات، بیشتر بر تکنیک های هوش بازرگانی و کاربردهای آن، با استفاده از صنعت بانکداری فقط برای ارزیابی تمرکز داشتند، بنابراین، به طور واضح مزایای تجارت بانکداری را تحسین میکنند. با شناسایی موضوعات تحقیقاتی کنونی، این تحقیق هم چنین فرصتها را برای پژوهشهای بعدی مورد تاکید قرار میدهد.


Abstract

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.