بهبود خوشه بندی مشترکین مخابرات با ترکیب الگوریتمTOPSIS و تکنیک های داده کاوی

خوشه بندی یک تکنیک رایج در داده کاوی جهت دسته بندی داده ها است و کاربردهای گسترده و ارزشمندی در علوم و کسب و کارهای مختلف دارد. از جمله مهمترین کاربردهای خوشه بندی، بخش بندی مشتریان به منظور شناسایی گروه های مشابه و برنامه-ریزی ارتباط مناسب با آنان است. TOPSIS یک الگوریتم تصمیم گیری چند شاخصه بوده که به رتبه بندی عناصر داده ای بر مبنای فاصله هر عنصر با ایده آل مثبت و ایده آل منفی می پردازد.در این پژوهش جهت بهبود کیفیت خوشه بندی، به ترکیب الگوریتم های رایج خوشه بندی و TOPSIS و پیاده سازی این الگوریتم ترکیبی بر مجموعه داده ای مشترکین اینترنت شرکت مخابرات ایران، اقدام شده است. به این منظور ویژگی های موثر کاربران اینترنت مخابرات با استفاده از مدل RFM انتخاب و با صفات خروجی الگوریتم TOPSIS ترکیب شده است. برای ارزیابی روش پیشنهادی، سه الگوریتم مختلف K-means ، Two Step و Kohonen با تعداد خوشه های مختلف و سه حجم متفاوت داده، روی مجموعه داده ترکیبی اعمال و کیفیت خوشه ها با معیار نیم رخ اندازه گیری و با نتایج حاصل از الگوریتم اولیه مقایسه شده است. نتایج بدست آمده نشان می دهد در بیشتر موارد ترکیب خروجی الگوریتم TOPSIS با صفات مجموعه داده مورد مطالعه، کیفیت خوشه ها را بهبود داده و در بهترین حالت خروجی الگوریتم Kohonen با استفاده از این روش بصورت میانگین ۴.۵ درصد بهبود یافته است.

کلیدواژه ها:

داده کاوی ، خوشه بندی مشتریان ، TOPSIS ، مدل RFM ، معیار نیم رخ