چکیده:
مطالعه حاضر با استفاده از تکنیکهای یادگیری ماشین و نظرکاوی کوشیده است تا بتواند مدل راهبردی خودکار به منظور طبقهبندی و کاوش نظرات ارائه شده در مورد کالا، برند یا خدماتی خاص ارائه نماید. بکارگیری چنین مدل راهبردی میتواند در شناسایی خصوصیات برندها و خوشهبندی عاملی بین آنها بسیار کارآمد بوده و اطلاعات بسیار ارزشمندی در این زمینه ارائه دهد. نتایج حاصل از این ارزیابی میتواند در تهیه استراتژیهای مدیریت بازاریابی و بهبود کمی یا کیفی عامل مذکور بکار برده شود. مدل مبتنی بر یادگیری ماشین و شبکه عصبی عمیق با شناسایی نظرات مرتبط، خصوصیات مختلف را در سطوح گوناگون ارزشیابی سنجیده و نظرات را بسته به کیفیت ارائه بصورت خودکار طبقهبندی مینماید. خروجی این مدل با بکارگیری قابلیتهای بازاریابی در بهبود فروش کالا/برند/خدمات تعریف شده بصورت کارآمد وارد شده است. مجموعه داده بکار گرفته شده در این مطالعه مربوط به مجموعه نظرات کاربران فارسی زبان سایت فروش انلاین دیجیکالا و هلوکیش میباشد که بصورت آموزشی- آزمایشی (70% داده آموزشی و 30% داده آزمایشی) طی سه مدل متناوب بارگذاری گردیده که به منظور شناسایی و طبقهبندی ویژگیهای مختلف کالاها و خدمات ارائه شده در مجموعه داده مورد استفاده بوده است. مدل پیشنهادی جهت ارزیابی توانمندی از توابع خطا برای محاسبه میزان خطای محاسباتی استفاده نموده تا بتواند میزان انحراف از مقادیر درستی را برای اطلاعات پیشبینی شده خود ارائه دهد. بدین منظور از ارزیابی خطای میانگین مربعات و خطای جذر میانگین مربعات بهره گرفته شده است. نتایج حاصله نشان دهنده دقت بالای مدل ارزیابیها و پیشبینی شرایط مختلف میباشد.
چکیده انگلیسی:
The present study has tried to provide an automated strategic model for classifying and exploring the opinions presented about a particular product, brand or service by using machine learning and survey techniques. Applying such a strategic model can be very effective in identifying the characteristics of brands and factor clustering between them and provide very valuable information in this regard. The results of this evaluation can be used in the development of marketing management strategies and quantitative or qualitative improvement of this factor. The model based on machine learning and deep neural network identifies related opinions, measures different characteristics at different levels of evaluation, and automatically categorizes opinions depending on the quality of the presentation. The output of this model is efficiently imported by using marketing capabilities to improve the sales of defined goods / brands / services.The data set used in this study is related to the collection of comments of Persian language users of the online sales site of Digitala and Holokish, which was uploaded as an educational-experimental (70% educational data and 30% experimental data) in three alternate models in order to identify And the classification of the various properties of the goods and services provided in the dataset has been used.The proposed model uses error functions to calculate the amount of computational error to evaluate the capability to be able to provide the degree of deviation from the correct values for its predicted information. For this purpose, the mean square error and the square root mean square error have been used. The results show the high accuracy of the model of evaluations and prediction of different conditions
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.
