پیش بینی خرید آنلاین مشتریان در تجارت الکترونیک با استفاده از انتخاب ویژگی مبتنی بر همبستگی و طبقه بندی نزدیک ترین همسایه
- سال انتشار: 1402
- محل انتشار: سومین کنفرانس ملی بهبود و بازسازی سازمان و کسب و کار
- کد COI اختصاصی: CIROB03_003
- زبان مقاله: فارسی
- تعداد مشاهده: 192
نویسندگان
کارشناسی ارشد مدیریت فناوری اطلاعات-کسب و کار الکترونیک
چکیده
تجارت از طریق اینترنت و شبکه های اجتماعی و مجازی به یکی از جذاب ترین روش های درآمدزایی و کسب و کار در سرتاسر دنیا تبدیل شده است و همه ساله درآمد زیادی را برای شرکتهای بزرگی مانند دیجی کالا، Flipkart, ebay، آمازون و ... به ارمغان می آورد. یکی از مهمترین نیازمندی های استفاده کنندگان از این نوع تجارت برای افزایش سوددهی، جذب مشتریان بیشتر و پیش بینی میزان خرید انلاین مشتریان می باشد. شناسایی آیتم های مورد نیاز مشتریان و کمک به آن ها به منظور خرید آسان آیتم های درخواستی در جلب رضایت آنها و افزایش درآمدزایی آنها، نقش بسیار موثری دارد. در روش پیشنهادی، از همبستگی پیرسون برای انتخاب زیر مجموعه ای از ویژگی ها استفاده می شود و از نتایج این روش به عنوان ورودی الگوریتم KNN ، درخت تصمیم، شبکه های عصبی، بیزین ساده، ماشین بردار ماشین برای ایجاد و پیش بینی الگو استفاده می شود. در واقع، ورودی روش همبستگی پیرسون، ویژگی ها و برچسب کاس از مجموعه داده های استاندارد خرید انلاین مشتریان است که خروجی آن زیرمجموعه ای از این ویژگی ها است که با برچسب کاس همبستگی دارند. روش پیشنهادی با معیارهایی مانند دقت، صحت، F-Measure مورد بررسی قرار گرفته شده و کارایی آن با روش های دیگر مورد مقایسه قرار گرفته می شود. نتایج کلی بدست آمده نشان داد که روش پیشنهادی قادر است تا با دقت ۹۹.۷%، صحت %۹۹.۶، F-measure برابر با ۹۹.۵ % اقدام به پیش بینی رفتارهای خرید انلاین مشتریان در بازارهای تجارت الکترونیکی بنماید.کلیدواژه ها
خرید آنلاین، تجارت الکترونیک، انتخاب ویژگی مبتنی بر همبستگی، طبقه بندی نزدیک ترین همسایهمقالات مرتبط جدید
- Green Bioprocessing Innovations In Protease Production: Sustainable Waste Utilization, Process Optimization, And Industrial Applications
- اصول، تکنیک ها و کاربردهای جداسازی و خالص سازی پروتئین: یک نگاه جامع
- Green-Synthesized ZnO Nanoparticles Using Calendula Officinalis Extract For Pva-Based Nanocomposite Burn Wound Dressings: Characterization And Mechanical Properties
- مروری جامع بر روش های پردازش سیگنال EMG در بیماران مبتلا به پارکینسون: روندها، چالش ها و جهت گیری های آینده
- A Machine Learning-Based Framework For Energy Optimization In Distributed Edge Computing Systems
اطلاعات بیشتر در مورد 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.