22834

طراحي مدلي براي شناسايي خانوارهاي مشمول پرداخت يارانه نقدي با استفاده از روش هاي داده كاوي

كارشناسي ارشد

سيستم‌هاي كلان

1397

1399/8/26

دكتر مهدي غضنفري

دكتر ميرسامان پيشوايي

صنايع

در نظام‌هاي يارانه‌اي جهان از روش‌هاي مختلفي براي تعيين افراد نيازمند استفاده مي‌شود كه عمده آن‌ها روش‌هاي رگرسيوني و بر پايه اطلاعات جمع‌آوري‌شده توسط پرسشنامه ها مي‌باشند. اما در دنياي داده امروز با وفور داده‌هاي فردي و اجتماعي افراد و قابليت ذخيره آن‌ها در پايگاه‌هاي اطلاعاتي كشور، لزوم استفاده از رويكردهاي داده محور به‌منظور تجزيه‌وتحليل اين داده‌ها و استخراج دانش‌هاي مفيد از آن‌ها حس مي‌شود كه شناسايي افراد نيازمند با استفاده از اين داده‌ها نيز مي‌تواند ازجمله اين دانش‌هاي مفيد برشمرده شود. لذا در اين تحقيق با استفاده از داده‌هاي پايگاه اطلاعات رفاه ايرانيان ابتدا با انجام مراحل پيش پردازش و پاكسازي داده ها، و سپس پياده سازي روشهاي مهندسي ويژگي ها مانند روشهاي استخراج ويژگي ها، داده ها به فرمي كه بتوان اطلاعات مفيد در جهت هدف مذكور را از آن استخراج كرد تبديل شده اند. سپس رويكرد بدون ناظر خوشه بندي در ارائه مدلي براي شناسايي خانوارهاي نيازمند بكار گرفته‌شده‌است كه بدليل ابعاد بالاي مجموعه داده مرجع از قابليت نمايش و انتقال مفهوم برخوردار نيست، لذا به منظور ايجاد معياري مفهومي كه بتواند در عين حفظ عضويت خانوارها در خوشه هاي ايجاد شده در مجموعه داده اصلي، ابعادي از اين خوشه بندي را ارائه كند كه مفهومي ملموس داشته و قابليت نمايش را دارا باشد از روش هاي كاهش بعد استفاده شده كه در نهايت منجر به ارائه يك خوشه بندي از خانوارها شده است كه در دو بعد هزينه و درآمد قابل نمايش است. اين نحوه خوشه بندي مي¬تواند اطلاعات خانوارها را بطور دسته بندي شده و مفهومي در اختيار تصميم¬گيرنده قرار داده و فرآيند تصميم¬گيري درمورد شمول و يا عدم شمول آنها در دريافت يارانه نقدي را تسهيل بخشد. درضمن ميزان تطبيق اين خوشه بندي با خوشه بندي داده هاي اصلي و مرجع بطور ميانگين 74% بوده و ميانگين خطاهاي نوع اول و دوم آن هر دو در حدود 12% بوده اند.

1399/09/15

DEVELOPMENT OF A MODEL FOR IDENTIFYING BENEFICIARY HOUSEHOLDS FOR CASH PAYMENTS IN IRAN BASED ON DATA MINING METHODS

11/16/2020 12:00:00 AM

Subsidized systems in different states are being used in various methods in order to recognize the eligibility of the targeted people to be sponsored with, which majority have been based on regression and primary data from handout surveys. But considering the abundance of individual and social data in contemporary era, as well as ability to save them on big data machines, the necessity of data analysis based methods is being felt as a vital gap, which are crucial in order to analyze and the collected data and deduct the useful knowledge out of it. Therefore, recognition of eligible people for subsidization in society can be the advantage of mentioned model. Thus, in this dissertation, Iranian people welfare data analysis based method, has been used for identification of eligible families, which concludes to display with clustering of families from two aspects of cost and revenue.

هدفمندي يارانه ها