سنجش رضایت مندی مشتریان از محصولات اینترنتی با استفاده از انتخاب ویژگی مبتنی بر الگوریتم تکاملی و طبقه بندی

رضایت مندی مشتری به عنوان ارزیابی کلی مشتری از تجربه استفاده از یک محصول یا خدمت تعریف می شود. در این پژوهش، یک روش خودکار برای تحلیل داده های مربوط به خدمات فروشگاه های آنلاین ارائه شده است که ترکیبی از الگوریتم بهینه سازی رقابت استعماری و ماشین بردار پشتیبان (SVM) را به کار می گیرد. برای کاهش ابعاد داده و انتخاب ویژگی های مهم، از الگوریتم بهینه سازی رقابت استعماری استفاده شده است. این الگوریتم با بهره گیری از مفهوم اطلاعات متقابل، میزان ارتباط هر ویژگی با هدف و همچنین هم پوشانی بین ویژگی ها را ارزیابی کرده و ویژگی های غیرضروری و تکراری را حذف می کند. پس از انتخاب ویژگی های کلیدی، الگوریتم ماشین بردار پشتیبان برای طبقه بندی داده ها به کار می رود. این روش پیشنهادی بر روی مجموعه داده های استاندارد پیاده سازی و آزمایش شده است. نتایج شبیه سازی نشان می دهد که رویکرد پیشنهادی با دقت بالا قادر به تحلیل داده های رضایت مندی مشتریان از خدمات فروشگاهی آنلاین است و عملکرد قابل قبولی در بهبود فرآیند تصمیم گیری خودکار ارائه می دهد.

کلیدواژه ها:

رضایت مندی مشتری ، تحلیل خدمات فروشگاه های آنلاین ، بهینه سازی رقابت استعماری ، طبقه بندی ماشین بردار پشتیبان ، انتخاب ویژگی ، کاهش ابعاد داده