معماری محاسبه مه(Fog computing ) برای سفارش شخصی شده محصولات بانکی

در این مقاله، یک راه‌حل محاسبه مه جدید ارایه شده‌است که در حوزه تکنولوژی مالی توسعه‌یافته است. این سیستم، سیستم‌های پیش‌بینی‌کننده را در فرآیند ارائه خدمات شخصی به مشتریان برای توصیه محصولات یک واحد بانکی ادغام می‌کند. انگیزه پشت این تحقیق بهبود جنبه‌های خدمات پشتیبانی مشتری، به ویژه، دستیابی به امنیت بیشتر، افزایش شفافیت و تسریع فرآیندها و نیز کاهش هزینه‌های مدیریت نهاد است. معماری ارایه‌شده شامل گره‌های مه است که در آن داده‌ها توسط عوامل هوشمند پردازش می‌شوند که امکان اجرای سیستم‌های توصیه متنی و پیکربندی یک مثال مبتنی بر نوسازی در لایه ابر برای بهبود بهره‌وری کل سیستم در طول زمان را فراهم می‌کند. سیستم توصیه(سفارش) سنگ بنای معماری است که بر روی محصولات بانکی مانند رهن، وام، طرح‌های بازنشستگی و غیره عمل می‌کند و توسط یک روش ترکیبی از پیشنهادها توسعه داده شده‌است: فیلترینگ گروهی با فیلترینگ مبتنی بر محتوا(متن). این مقاله معماری ارایه‌شده را در حین انجام بررسی و شبیه‌سازی داده‌ها در زمینه بانکداری تجاری تحلیل می‌کند. برای این منظور، استفاده از سیستم پیشنهادی، توصیه‌هایی را نشان می‌دهد

Highlights•Architecture includes fog nodes where data is processed by intelligent agents.•The recommender solution for a banking entity integrates predictive systems.•To recommend financial products a hybrid recommendation method is proposed.•Fog layer will improve customization of banking products.AbstractIn this article, a novel Fog Computing solution is proposed, developed in the area of fintech. It integrates predictive systems in the process of delivery of personalized customer services for the recommendation of the products of a banking entity. The motivation behind this research is to improve aspects of customer support services, especially, achieve greater security, increased transparency and agility of processes as well as reduce entity management costs. The presented architecture includes fog nodes where data are processed by light intelligent agents allowing for the implementation of contextual recommendation systems together with the configuration of a Case Based Reasoning