پايان نامه

مشخصات پايان نامه:

۹۷/۶/۲۰ دفاع:
۲۷۰۳ شناسه:
هانيه محمدي سنجاني دانشجو:
ارائه مدل تحليل نظرات مشتريان مبتني بر رويكرد متن كاوي نظرات عنوان فارسي:
The Computerized Model to Predict and Analysis Customer Review Rating Using Opinion Text-Mining Approach عنوان انگليسي:

امروزه بررسي نظرات مشتريان و توجه به بازخورد خريداران و كاربران محصولات كمك شاياني به رونق و جهت گيري سياست‌هاي اقتصادي كسب‌و‌كارها خواهد داشت . در كسب‌و‌كارهاي سنتي معمولا واحدي به نام روابط عمومي و سرويس‌هاي خدمات پس از فروش، واحد شكايات و صندوق انتقادت و پيشنهادات وظيفه ارتباط با مشتريان و انتقال سخن كاربران به سطوح مديريتي را دنبال مي‌كنند. در طول سال‌هاي اخير رفتار مشتريان تغيير كرده‌است و به جاي تماس‌هاي تلفني، حضوري و يا بعضا به صورت نامه نگاريست. اكثريت كاربران به علت آشنايي نسبي جامعه با شبكه‌هاي اجتماعي و سيستم‌هاي آنلاين دريافت نظرات قويا تايپ نظر را به ساير روش هاي سنتي ترجيح مي دهند و بدين‌ترتيب بررسي نظرات ديجيتال دغدغه كسب و كارهاي امروزي شده و ظهور سيستم‌هاي هوشمند و افزايش بهره‌وري آن ها جايگزين مناسبي براي سيستم‌هاي انساني شده‌اند . در اين طرح و پژوهش با بهره‌گيري از سيستم‌هاي هوشمند يادگيري ماشين و با نگاه به پيشرفت‌هاي يادگيري عميق از روش سلسه مراتبيHAN به منظور دسته‌بندي مثبت و منفي نظرات بخشي از خريداران محصولات آمازون استفاده شده است و نتايج با روش يادگيري ماشين كلاسيك SVM مقايسه و بررسي شده‌است . يقينا نظرات كاربران از ساختار يكسان و مناسبي همواره برخوردار نيستند و به همين دليل مراحل پيش‌پردازش به منظور حذف كلمات نامفهوم و آيكون هاي احساسي غير متني و غيره استفاده شده‌است . از جنبه آماري از ماتريس بهم‌ريختگي و آماره‌هاي مرتبط با آن به منظور تحليل نتايج و بهره‌وري سيستم استفاده شده است . بنابر نتايج بدست آمده روش HAN با 83 درصد دقت نسبت به روش سنتي و كلاسيك SVM با ميزان دقت 56 برتري كاربردي دارد . همچنين تعداد خطاي دسته‌بندي 5000 داده ورودي در روش يادگيري عميقHAN با 865 به نسبت روش SVM با مقدار 1280كمتر است و در نتيجه سيستم يادگيري عميق معرفي شده از درجه اطمينان بالاتري برخورد است. در كل روش يادگيري عميق HAN با توجه به معيارهاي ماتريس به‌هم‌ريختگي و همچنين به علت استخراج معنادار بردار خصوصيت متن به صورت خودكار نسبت به روش هاي سنتي يادگيري ماشين كه مبتني بر داده‌هاي پردازش شده به صورت دستي هستند برتري دارد و به نظر مي‌رسد در آينده نزديك رشد به مراتب بهتري خواهند داشت. در كل معرفي سيستم‌هاي هوشمند بررسي نظرات به مرور امكان تحليل داده‌هاي عظيم و در جنبه‌هاي مختلف را در مدت زمان بسيار كوتاه مهيا مي‌سازد و آينده در اختيار سيستم‌هاي هوشمند تحليل و دسته‌بندي نظرات مشتريان خواهد بود.

چنين داده هايي مي تواند بعنوان يك منبع بسيار مهم هم براي مشتريان و هم براي سازمان ها مورد استفاده قرار گيرد .

به منظور مشتري محور بودن كسب و كار و تمركز بر روي مشتريان كليدي و افزايش ارتباط با مشتريان لازم است نظرات مشتريان مورد تحليل قرار گيرد.

هدف كلي اين تحقيق ارائه مدل تحليل نظرات مشتريان مبتني بر رويكرد متن كاوي نظرات مي باشد.

اهداف فرعي براي دستيابي به مدل شامل :

1- بررسي ويژگي هاي متني نظرات مشتريان

2- انتخاب تكنيك متن كاوي متناسب نظرات مشتريان (مبتني بر داده هاي مورد مطالعه)

3- سفارشي سازي يك ابزار متن كاوي

4- بررسي اثربخشي و نتايج حاصل براي تحليل مشتريان

ارايه چارچوب كاري و كاربردي در دسته بندي اطلاعات تجاري بر اساس نظرات مشتريان

بررسي اينكه:

- چه نوع رويكردي براي دسته بندي با ناظر در مدل سازي مناسب تر است؟

چکيده:

يادگيري ماشين ، تحليل نظرات مشتري، داده كاوي ، يادگيري عميق ، ارتباط با مشتري

کلمات کليدي

اساتيد:

دکتر سعيد روحاني استاد راهنما:
استاد راهنماي دوم:
دکتر محمد رحيم اسفيداني استاد مشاور:
استاد مشاور دوم:

مقالات مستخرج از پايان نامه:

چکيده سال انتشار Pages Vol/Issue نام مجله/همايش/انتشارات نويسندگان عنوان داخلي/بين المللي وضعيت نوع رديف

تماس با ما

اداره رياست: ۸۸۳۹۱۴۰۰-۰۲۱
امور مالي: ۸۸۳۹۰۸۸۷-۰۲۱
امور اداري: ۸۸۳۹۸۸۶-۰۲۱
آموزش: تماس با کارشناسان آموزش
دورنگار: ۸۸۳۹۰۸۸۹-۰۲۱
دورنگار دبيرخانه: ۸۸۳۹۰۸۸۶-۰۲۱ داخلي ۲۶۰

تهران، بلوار کشاورز، خيابان وصال شيرازي، كوچه فردانش پلاك ۲

آمار وب سايت

توجه

تمامي حقوق براي پرديس البرز دانشگاه تهران محفوظ است. بازنشر اطلاعات اعم از اخبار صفحات وب سايت با ذکر منبع بدون اشکال است. ارجاع به پايان نامه‌هاي دانشجويي بايد قالب استاندارد علمي انجام شود.