EC:95131529
دانشگاه صنعتی امیر کبیر (پلی تکنیک تهران)
مهندسی فن آوری اطلاعات - تجارت الکترونیک
ترم اول 95
پگاه عظیمی
پروژه ها
طرح کسب و کار: سامانه مدیریت و حسابداری کیف پول مجازی بانک
طرح تحقیقاتی: AN EFFICIENT DATA MINING METHOD TO FIND FREQUENT AND VALUABLE ITEM SETS IN LARGE DATABASE USING T-VPIS
خلاصه اجرایی طرح کسب و کار
در راستای ارائه خدمات بانکی اینترنتی به مشتریانی که دارای حساب می باشند ، بانک می تواند با رویکرد تسهیل در امر مدیریت حساب ، هزینه های شخصی و درآمدها اقدام به ایجاد و توسعه سامانه کیف چول مجازی ، نمایید . در سامانه مدیریت کیف پول مجازی بانک با استفاده از تراکنش های بانکی که مشتریان دارند حساب انجام می دهند، می تواند هزینه های او را برآورد کند و گزارش های روزانه و ماهانه و .. ارائه دهد . مشتریان می توانند در این سامانه برای خود صندوق پس انداز ، صندوق هزینه ها (دارای زیر مجموعه صندوق پرداخت اقساط ، صندوق پرداخت قبوض ، صندوق پرداخت شارژ تلفن و یا اینتر نت .. یعنی افراد بسته به نیاز و هزینه های آنها می تواندد صندوق ایجاد شود )و صندوق خانواده و .. ایجاد کنند ، این صندوق ها در واقع یک حساب مجازی می باشد . بانک با محاسبه قسط هرماه وام که مشتری در یافت کرده است و موجودی صندوق پرداخت قسط او به او اعلام می نمایید که مبلغ y از موجودی صندوق پرداخت قسط برای پراخت قسظ شما در این ماه کم می باشد و ... این سامانه به افراد کمک می کند بعداز دریافت حقوق و یا پاداش و یا در آمد های دیگر به راحتی در آمد خود را به بهترین شکل ممکن مدیریت کرده و با برآورد هزینه ها زندگی اسوده ای را برای خودو اعضای خانواده فرآهم آورند .
خلاصه اجرایی طرح تحقیقاتی
Mining association rules in large database is one of most popular data mining techniques for business decision makers. Discovering frequent item set is the core process in association rule mining. Numerous algorithms are available in the literature to find frequent patterns . Apriori and FP-tree are the most common methods for finding frequent items. Apriori finds significant frequent items using candidate generation with more number of data base scans. FP-tree uses two database scans to find significant frequent items without using candidate generation. This proposed T-VPIS (Tree - valuable package of item sets Method) discovers significant frequent items by generating full candidates once to form valuable package tree with one database scan. Experimental results of T-VPIS shows that this algorithm outperforms than Apriori and FP-tree to finding valuable set of items .