بناء نموزج تعلم آلي لقياس رضا عملاء البنوك عن خدمة تطبيقات الموبايل المصرفية من خلال تحليل الآراء باللهجة السودانية(دراسة حالة-تطبيق:بنكك,فوري).

Abstract

ملـــخص البــحث في ظل التقدم المتسارع في مجال تكنولوجيا المعلومات وارتفاع حجم المعلومات الرقمية اصبحت منصات التواصل الاجتماعي ومتاجر التطبيقات غنية بالتعليقات فهي بمثابة مصدرا شائعا لجمع الآراء لعدد من المجالات وخاصة مجال البنوك،هذا التطور الكبير دفع البنوك للتوسع في تقديم خدماتها المصرفية الالكترونية عبر تطبيقات الموبايل لتحفاظ على قدرتها التنافسية وتواكب تطورات التكنولوجيا. وحتى تستطيع البنوك الاستفادة من هذه الاراء فإنه لابد لها من تحليل هذا الكم الهائل من البيانات الضخمة. العديد من المؤسسات المصرفية في العالم واكبت هذا التطور بإستخدام أحد أفضل الفروع الحديثة للتعلم الآلي بشكل أساسي لتحليل آراء عملاءها الا وهي تقنية تحليل المشاعر، أما مؤسساتنا المصرفية السودانية ماذالت تستخدم طرق وادوات تقليدية لتحليل آراء عملاءها وقياس مدى رضاءهم عن خدماتها المقدمة والتى لم تعد تتناسب مع هذا الكم الهائل من الآراء والتقدم التقني ولا تجاري متغيرات السوق وضغوط المنافسة لذا يستدعي الامر استبدال هذه الطرق بأدوات وتقنيات حديثة تحقق اقصى استفادة ممكنة من هذه الآراء الزاخرة بالمعلومات القيمة.كما نجد أن العملاء السودانيين يعبرون عن آراءهم باللهجة العامية السودانية التي لا تلتزم بالبنية النحوية الشكلية للغة العربية الفصحى مما يجعل الادوات الحديثة غير قادرة على التعرف على المشاعر منها ، لذا يكمن التحدي في توفير آليات حديثة تستطيع التعرف على المشاعر من هذه اللهجة مما دفع الباحث لعمل هذه الدراسة التي تهدف لبناء نموزج تعلم آلي يقيس مدى رضا العملاء عن خدمة تطبيقات الموبايل المصرفية من خلال تحليل آراءهم المكتوبة باللهجة السودانية كما تهدف لإنشاء معجم لـ اللهجة السودانية خاص بمجال البنوك السودانية وتحسين دقة تصنيف متجر قوقل للتعليقات, جمع الباحث بيانات الدراسة الخاصة بخدمة تطبيق فوري وبنكك من متجر قوقل بعدد 2000 تعليق ،استخدم الباحث تقنيات معالجة اللغة الطبيعية(NLP) لمعالجة التعليقات النصية. كما استخدم لغة بايثون لكتابة وتنفيذ الاكواد، طبق الباحث اربعة خوازميات:(RF,DT ،SVM، (NBلتصنيف التعليقات. تم تقييم العمل من خلال مصفوفة الارتباك وتقييم نتائجها بأربعة مقاييس: (Accuracy، Precision, Recall, f-Score)، أظهرت نتائج مجموعة بيانات بنك فيصل أن المصنفان DT و RFحصلا على أعلى دقة بنسبة 90 ٪، يليهما المصنف SVM الذي أعطى دقة تساوي89٪، بينما حققالمصنف NB أقل دقة بلغت نسبتها 63،كما أظهرت نتائج مجموعة بيانات بنك الخرطوم أن المصنف SVMأعطى أعلى دقة بلغت 92 ٪ ، يليه المصنفان DT و RFالذين اعطيا دقة بلغت 91 ٪،بينما اعطى المصنف NB نسبة ساوت74 ٪،بلغت نسبة قياس رضا العملاء عن الخدمة قيد الدراسة لعملاء بنك الخرطوم 74%, ولعملاء بنك فيصل %67.2. كما اظهرت نسبة قياس رضا العملاء عن خدمة تطبيق بنكك و فوري: أن تطبيق بنكك قد حصل على اعلى رضا مقارنة بتطبيق فوري. كما نخطط مسقبلاً لإنشاء واجهات رسومية للتعامل مع النموزج وتوسيع المعجم لزيادة دقته، وأخيرًا نخطط للنظر في الميزات الأخرى التي قد تكون تمييزية، مثل السخرية. Abstract In light of the rapid progress in the field of information technology and the high volume of digital information, social media platforms and application stores have become rich in comments, as they serve as a common source for gathering opinions for a number of areas, especially the field of banks. This great development prompted banks to expand their electronic banking services through mobile applications to maintain their ability Competitiveness and keeping pace with technology developments. In order for banks to benefit from these opinions, they must analyze this huge amount of big data. Many banking institutions in the world have accompanied this development by using one of the best modern branches of machine learning mainly to analyze the opinions of their customers, which is the sentiment analysis technique. This huge amount of opinions and technical progress do not match market changes and competition pressures, so it is necessary to replace these methods with modern tools and techniques that achieve the maximum possible benefit from these opinions, which are full of valuable information. For the Standard Arabic language, which makes modern tools unable to recognize feelings from them, so the challenge lies in providing modern mechanisms that can identify feelings from this dialect, which prompted the researcher to conduct this study, which aims to build a machine learning model that measures the extent of customer satisfaction with the service of mobile banking applications By analyzing their opinions written in the Sudanese dialect, it also aims to create a lexicon for the Sudanese dialect specific to the field of coffee In order to improve the accuracy of the Google store classification of comments, the researcher collected the study data for the Fawry application service and your bank from the Google store with a number of 2000 comments. The researcher used Natural Language Processing (NLP) techniques to process text comments. The researcher also used the Python language to write and execute the code. The researcher applied four algorithms: (RF, DT, SVM, and NB) to classify comments. The work was evaluated through the confusion matrix and its results were evaluated by four measures: (Accuracy, Precision, Recall, f-Score), and the results showed Faisal Bank data set that the DT and RF classifiers obtained the highest accuracy of 90%, followed by the SVM classifier which gave an accuracy of 89%, while the NB classifier achieved the lowest accuracy of 63. The results of the Bank of Khartoum data set also showed that the SVM classifier gave the highest accuracy of 92%, Followed by the two classifications DT and RF, which gave an accuracy of 91%, while the NB classifier gave a rate of 74%, the percentage of measuring customer satisfaction with the service under study for clients of Bank of Khartoum reached 74%, and for clients of Faisal Bank 67.2%. And Fawry: Your bank application has achieved the highest satisfaction compared to Fawry.We also plan in the future to create graphical interfaces to deal with models, expand the lexicon to increase its accuracy, and finally plan to consider other features that may be discriminatory, such as sarcasm.