چالش هاي پايگاه داده نوين در بستر هوش مصنوعي و شبكه هاي عصبي

New database challenges In the context of artificial intelligence and neural networks

امروزه براي ارزيابي فاكتور ها براي اعطاي امتياز، بر اساس مجموعه داده هاي تراكنش، بسياري از روش هاي تجزيه و تحليل صلاحيت دار در شبكه هاي عصبي استفاده مي شود. ارزيابي مجموعه داده هاي صلاحيت براي اعطاي امتياز منجر به انتخاب رد درخواست تراكنش مي شود. اين مكانيزم كاري چالش برانگيز شامل ارزيابي عميق ديتاست يا اطلاعات تراكنش است. رويكرد داده كاوي، به عنوان متداول ترين روش براي تجزيه و تحليل صلاحيت براي اعطاي امتياز با تمركز بر الگوريتم هاي مختلف، مانند شبكه هاي عصبي، توصيف مي شود. اين فرايند مهم شامل جمع آوري، تجزيه و تحليل و تصميم گيري نهايي صلاحيت از فاكتورهاي مختلفي است كه براي ارزيابي برنامه هاي صلاحيت دار استفاده مي شود. اين منابع مانند فرم هاي درخواست صلاحيت، اشتراك داده ها و كليدي ترين داده هاي داخلي بانك است. روش امتيازدهي در اعطاي امتياز اغلب به عنوان امتياز بندي شناخته مي شود كه در حقيقت روشي براي ارزيابي درخواست دسترسي است. در عين حال آرشيو و سوابق امتياز گذشته براي شناسايي ويژگي هايي كه تأثير مهمي در تبعيض برنامه هاي صلاحيت براي اعطاي امتياز به صورت خوب و بد دارند، ارزيابي مي شوند.