ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Developing a Recommender System and a Hierarchical View of Customers Experience Based on Review Analysis

سال انتشار: 1391
کد COI مقاله: LNCSE02_052
زبان مقاله: انگلیسیمشاهد این مقاله: 1,515
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Developing a Recommender System and a Hierarchical View of Customers Experience Based on Review Analysis

Mohammad Reza Gholamian - School of industrial engineering, Iran University of Science and Technology
Zahra Rafat Panah - School of industrial engineering, Iran University of Science and Technology

چکیده مقاله:

The web has become a rich source of customer opinions and complaints about products and services that are provided by different businesses in different fields. Analyzing these opinions can help businesses in making decisions and accessing beneficial information. The aim of this article is to focus on online customer opinions in the field of organizations offering services to people, and pursues two aims. The first aim is proposing a semi supervised approach for extracting customer experiences over a number of touchpoints through finding and exploiting varying opinion segment patterns that are used by customers to describe their opinions and finally visualizing the results as a hierarchical graph. The second aim is providing a recommender system that can specify services which need to be improved or the ones which have had a good performance. The intention of this approach is to enable customers and organization managers to easily view the detailed extracted information as well as viewing general results. Evaluations of results show that the proposed technique in this article outweighs the results obtained by machine learning methods.

کلیدواژه ها:

Complaint Management, Data Mining, Opinion Mining, Recommender Systems, Natural Language Processing, Text Mining

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/184811/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Gholamian, Mohammad Reza and Rafat Panah, Zahra,1391,Developing a Recommender System and a Hierarchical View of Customers Experience Based on Review Analysis,دومین کنفرانس ملی مهندسی نرم افزار دانشگاه آزاد لاهیجان,لاهیجان,,,https://civilica.com/doc/184811

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1391, Gholamian, Mohammad Reza؛ Zahra Rafat Panah)
برای بار دوم به بعد: (1391, Gholamian؛ Rafat Panah)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • Buttle, F. 2008. Customer relationship management: concepts and technologies. Elsevier. ...
  • Coussement, K. and Van den Poel, D. 2008. Improving customer ...
  • Galitsky, B.A., Gonzalez, M.P., and Chesnevar, C. 2009. A nove] ...
  • Galitsky, B., Rosa, J.L.D.L.R., and Kovalerchuk, B. 2011. Discovering common ...
  • Suh, J.H., Park, C.H., and Jeon, S.H. 2010. Applying text ...
  • Min Bae, S., Ho Ha, S., and Chan Park, S. ...
  • Menon, R., Hang Tong, L., and Sathiyakeerthi, S. 2005. Analyzing ...
  • Yang, H. Liu, T., and Lin, Y. 2007. Applying rough ...
  • Ahn, J. and Sohn, S. 2009. Customer pattern search for ...
  • Park, Y. and Lee, S. 2011. How to design and ...
  • Kosseim, L., Beauregard, S., and Lapalme, G. 2001. Using information ...
  • Weng, S. and Liu, C. 2004. Using text classification and ...
  • Busemann, S., Schmeier, S., and Arens, R.G. 2000. Message classification ...
  • Tang, M., Pellom, B., and Hacioglu, K. 2004. Call-type classification ...
  • Chaovalit, P. and Zhou, L. 2005. Movie Review Mining: a ...
  • Turney, P.D. 2002. Thumbs Up or Thumbs Down ? Unsupervised ...
  • Turney, P.D. and Littman, M.L. 2003. Measuring praise and criticism: ...
  • Liu, B., Hu, M., and Cheng, J. 2005. Opinion observer: ...
  • Hu, M. and Liu, B. 2004, Mining and summarizing customer ...
  • Cunninghum, H., Maynard, D., Bontcheva, K., and Tablan, V. 2002. ...
  • Kohavi, R. 1995. A Study of Cros s-Validation and Bootstrap ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 21,678
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی