عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
شماره کتابشناسی ملی
شماره
TL49882
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
انگلیسی
عنوان و نام پديدآور
عنوان اصلي
An Efficient Technique for Mining Bad Credit Accounts from Both OLAP and OLTP
نام عام مواد
[Thesis]
نام نخستين پديدآور
Sheikh Rabiul Islam
نام ساير پديدآوران
Ghafoor, Sheikh; Eberle, William
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
Tennessee Technological University
تاریخ نشرو بخش و غیره
2018
مشخصات ظاهری
نام خاص و کميت اثر
84
يادداشت کلی
متن يادداشت
Committee members: Talbert, Doug
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
Place of publication: United States, Ann Arbor; ISBN=978-0-355-94059-6
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
M.S.
نظم درجات
Computer Science
کسي که مدرک را اعطا کرده
Tennessee Technological University
امتياز متن
2018
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
Credit card companies classify accounts as a good or bad based on historical data where a bad account may default on payments in the near future. If an account is classified as a bad account, then further action can be taken to investigate the actual nature of the account and take preventive actions. In addition, marking an account as 'good' when it is actually bad, could lead to loss of revenue - and marking an account as 'bad' when it is actually good, could lead to loss of business. However, detecting bad credit card accounts in real time from Online Transaction Processing (OLTP) data is challenging due to the volume of data needed to be processed to compute the risk factor. We propose an approach which precomputes and maintains the risk probability of an account based on historical transactions data from offline data or data from a data warehouse. Furthermore, using the most recent OLTP transactional data, risk probability is calculated for the latest transaction and combined with the previously computed risk probability from the data warehouse. If accumulated risk probability crosses a predefined threshold, then the account is treated as a bad account and is flagged for manual verification. In addition, our approach is efficient in terms of computation time and resources requirement because no transaction is processed more than once for the risk factor calculation. Another factor that makes our approach efficient is the early detection of bad accounts or fraud attempts as soon as the transaction takes place, which leads to a decrease in lost revenue.
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
Banking; Computer science
اصطلاحهای موضوعی کنترل نشده
اصطلاح موضوعی
Applied sciences;Social sciences;Bankruptcy;Data warehouse;Default;OLAP;OLTP
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
Fraser Abdur Rahim, Herbert Muhammad
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
Ghafoor, Sheikh; Eberle, William
شناسه افزوده (تنالگان)
تقسيم فرعي
Computer Science
مستند نام تنالگان تاييد نشده
Tennessee Technological University
شماره دستیابی
شماره بازیابی
2039605712; 10787567
دسترسی و محل الکترونیکی
نام الکترونيکي
مطالعه متن کتاب وضعیت انتشار
فرمت انتشار
p
اطلاعات رکورد کتابشناسی
نوع ماده
[Thesis]
کد کاربرگه
276903
اطلاعات دسترسی رکورد
سطح دسترسي
a
تكميل شده
Y
