تحلیل ادراکات کاربران درباره خرید تلفن همراه در سایت دیجی کالا

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 361

فایل این مقاله در 30 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IMS-8-32_007

تاریخ نمایه سازی: 10 اردیبهشت 1400

چکیده مقاله:

  امروزه افراد برای خرید محصولات و خدمات آنلاین از نظرات دیگران در شبکه­های اجتماعی جهت تصمیم­گیری استفاده می­نمایند. همچنین شرکت­های ارائه دهنده محصولات  از تحلیل ادراکات و نظرات کاربران و مشتریان برای اتخاذ تصمیمات آگاهانه و ارائه محصولات جدید استفاده مینمایند. تحلیل ادراکات از جمله رویکردهای نوین در استخراج نظرات می­باشد. تحلیل ادراکات، استفاده از روش­های متن کاوی و پردازش زبان طبیعی برای شناسایی، استخراج و بررسی اطلاعات ذهنی می­باشد. اطلاعات حاصل از تحلیل ادراکات می­تواند بر انتخاب موثر مشتریان تاثیر بسزایی داشته باشد. در این پژوهش مدلی جهت تحلیل ادراکات کاربران در ارتباط با خرید تلفن همراه از سایت دیجی کالا ارائه شده است  تحقیق حاضر از لحاظ هدف کاربردی است و جامعه مورد بررسی شامل نظرات کابران در سایت دیجی کالامی باشد و نمونه آماری نظرات کاربران تلفن همراه سایت دیجی کالا است. جهت تحلیل و پیاده سازی، رویکرد یادگیری نظارت شده و از پکیج­های متن کاوی پایتون استفاده شده است. نتایج نشان می­دهند مدل پیشنهادی با دقت ۰.۸۹۲ می تواند نظرات کاربران را دسته بندی نماید. همچنین در مجموع نظرات کاربران در مورد سهولت استفاده و امکانات و قابلیت­های تلفن همراه مثبت و در مورد ارزش خرید نسبت به قیمت، نوآوری، طراحی و ظاهر و کیفیت ساخت گوشی­ها نظر کاربران منفی می­باشد.  مدل پیشنهادی می­تواند در سایتهای تجارت الکترونیک مانند دیجی کالا پیاده سازی شود و خروجی آن به صورت سیستماتیک توسط کاربران قابل مشاهده باشد که در نهایت می­تواند منجر به تصمیم­گیری آگاهانه برای خریداران و شرکت­های ارائه دهنده محصولات باشد.    

نویسندگان

فاطمه عباسی

محقق پسادکتری، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا (س)، تهران.

آمنه خدیور

 محقق پسادکتری، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا (س)، تهران.

محسن یزدی نژاد

دانشجوی دکتری، هوش مصنوعی، دانشکده کامپیوتر، دانشگاه اصفهان، اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • بخشی زاده برج، ک.، حاجی جعفر، ع.، و نصیری، ح. ...
  • پیکری، ن.، یعقوبی، س.، و طاهری، ح. (1394). تحلیل احساسات ...
  • حاج سید جوادی، ش.، و جلالی ، م. (1394). ارائه ...
  • خدیور، آ.، و عباسی، ف. (1398). متن کاوی با تمرکز ...
  • زمانی، م.، و سرخپور، ب. (1393). داده کاوی متون فارسی ...
  • صنیعی آباده، م.، و محمودی، س. (1394). داده کاوی کاربردی. ...
  • عباسی، ف.، سهرابی، ب.، مانیان، ا.، و خدیور، آ. (1396). ...
  • عبدی قویدل، ه.، وزیر نژاد، ب.، و بحرانی، م. (1391). ...
  • لطفی آذری داریان، س.، و جاویدان، ر. (1395). استفاده از ...
  • نجف زاده، م.، راحتی قوچانی، س.، و قائمی، ر. (1397). ...
  • الهی، ش.، قدس الهی، ا.، و ناجی، ح. (1393). ارائه ...
  • Abdmanaf, S., Mustapha, N., Sulaiman, M., Azura Husin, N., Zainuddin, ...
  • Bhatt, A., Patel, A., Chheda, H., & Gawande, K. (2015). ...
  • Cambria , E., Havasi, C., & Hussain, A. (2012). SenticNet ...
  • Chakraborty , R. (2013). Domain Keyword Extraction Technique: A New ...
  • Dietterich, T. (2000). Ensemble methods in machine learning. Berlin, Heidelberg: ...
  • Fang, X., & Zhan, u. (2015). Sentiment analysis using product ...
  • Fawcett, T. (2003). ROC Graphs: Notes and Practical Considerations for ...
  • Filho, P., & Pardo, T. (2013). NILC USP: A Hybrid ...
  • Internet World Stats. (2019). Internet World Stats Usage and Population ...
  • Liang, T.-P., Li, X., Yang, C.-T., & Wang, M. (2015). ...
  • Liu, B. (2012). Sentiment Analysis and Opinion Mining (Synthesis Lectures ...
  • Liu, B. (2015). Sentiment analysis: Mining opinions, sentiments, and emotions. ...
  • Mitchell, T. (2015). Generative and Discriminative Clasifiers: Naive bayes and ...
  • Murugavalli, S., Bagirathan, U., Saiprassanth, R., & Arvindkumar, S. (2017). ...
  • Pandey, A., Rajpoor, D., & Saraswat, M. (2017). Twitter sentiment ...
  • Popescu, M.-C., Balas, V., Perescu-Popescu, L., & Mastorakis, N. (2009). ...
  • Raghavan, V., & Gwang, J. (1989). A Critical Investigation of ...
  • Schonlau, M., & Guenther, N. (2016). Text Mining Using N-Grams. ...
  • Sokolova, M., & Lapalme, G. (2009). A systematic analysis of ...
  • Suen, C., & Lam, L. (2000). Multiple Classifier Combination Methodologies. ...
  • Vidya, N., Fanany, M., & Budi, I. (2015). Twitter Sentiment ...
  • Vijayarani, S., Ilamathi, M., & Nithya, M. (2015). Preprocessing Techniques ...
  • Wang, Z. (2017). The Evaluation of Ensemble Sentiment Classification Approach ...
  • Zhang, L., Hua, K., Wang, H., Qian, G., & Zhang, ...
  • Zhang, Y., Ren, W., Zhu, T., & Faith, E. (2019). ...
  • Zhao , L., Huang, M., Yao, Z., Su, R., Jiang, ...
  • نمایش کامل مراجع