شناسایی کاربران مشابه از طریق انتخاب کاراترین و تاثیرگذارترین زیرمجموعه ها از ویژگی هااز طریق الگوریتم بهینه سازی جستجوی فاخته

هدف این پایان نامه، شناسایی کاربران مشابه از طریق انتخاب کاراترین و تاثیرگذارترین زیرمجموعه ها از ویژگی ها ازطریق الگوریتم بهینه سازی جستجوی فاخته می باشد که این امر منجر به بهبود محاسبه کارآیی دسته بندی، ایجاددسته بندهای سریع و کم هزینه وتولید دسته بندی سریعتر می گردد. در این پایان نامه، یک رویکرد مبتنی بر انتخاب ویژگیبرای شناسایی کاربران و مشتریان با الگوهای رفتاری و رضایتمندی مشابه معرفی می گردد که با استفاده از الگوریتمبهینه سازی جستجوی فاخته در راستای پیش بینی رضایتمندی مشتریان از خدمات فروشگاه های الکترونیکی ارائه شدهاست. از آنجا که تعداد ویژگیها زیاد است لازم است برای کارآیی بالاتر طبقه بندی کننده ویژگی های موثر انتخاب و بقیهحذف شوند. از الگوریتم بهینه سازی جستجوی فاخته به این منظور استفاده شده است که از مفاهیم اطلاعات متقابل برایتعیین همبستگی بین هر یک از ویژگی ها و همچنین افزونگی بین ویژگی ها و اجتناب از تکرار آنها بر اساس زیرمجموعهویژگی های انتخابی بهره می برد و بعد از انتخاب ویژگیهای تاثیرگذار از رویکرد مبتنی بر الگوریتم طبقه بندی ماشین بردارپشتیبان برای طبقه بندی داده ها استفاده میکند. برای افزایش تنوع زیرمجموعههای انتخاب شده، در این پایان نامه فضایجستجوی بسیار بزرگ مسئله با یک روش چند منظوره مورد بررسی قرار میگیرد. نتایج شبیه سازی بر رویداده هایرضایتمندی مشتریان از خدمات فروشگاهی تحت وب، اعتبار روش پیشنهادی را تائید می کند. راه حل های به دست آمدهدر مقایسه با انواع روش های انتخاب ویژگی، طبقه بندی کننده های متفاوت و همچنین در مقایسه با سه مورد از بهترینمطالعات پیشین تائید شده اند.

کلیدواژه ها:

ارزیابی نظرات مشتریان ، وب کاوی ، عقیده کاوی ، الگوریتم بهینه سازی جستجوی فاخته ، دسته بندی کنندهماشین بردار پشتیبان.