تحلیل احساسات با استفاده از تشخیص حالت چهره در کسب و کارهای هوشمند

پژوهش پیش رو باهدف تحلیل داده ها و موضوعات مربوط به پیش بینی رفتار مشتریان با استفاده از تشخیص حالات چهره در کسب و کارهای هوشمند مبتنی بر یادگیری عمیق انجام شده است.رویکرد پژوهش حاضر از نوع تحلیلی توصیفی بوده و و به لحاظ هدف پژوهش، کاربردی می باشد.پژوهش با تکنیک پردازش تصویر در جهت پیش بینی رفتار مشتری و تشخیص حالت چهره برای بالا بردن راندمان کسب و کارهای هوشمند و شبکه های اجتماعی انجام شده است. ابزار جمع آوری اطلاعات کتابخانه ای و همچنین با کمک گرفتن از کتابخانه تنسرفلو درمحیط گوگل کلب و برنامه نویسی پایتون درصدد بررسی موضوعات پژوهش با استفاده از تحلیل محتوای کیفی و کمی بوده است و دیتاست انتخابی از تنسرفلوکه نزدیک به یک میلیون تصویر چهره مشتریان در کسب و کارهای هوشمند جمع آوری شده بود, پردازش شد. هفت حالت مهم چهره به عنوان مهم ترین شاخص های موثر در پیش بینی رفتار مشتری در موفقیت اقتصادی کسب و کارهای هوشمند استخراج گردید. با مقایسه بین خروجیهای بدست آمده از پردازش تصویر می توان گفت که در بین هفت حالت چهره(شادی،غم،تعجب،عصبانیت،ترس،تنقروطبیعی)فاکتور خوشحالی با ۷۷.۵ درصد نقش موثرتری در استفاده سودآور از کسب و کار هوشمند دارد و فاکتور تنفر از کالا با ۲۲.۹ درصد کمترین تاثیر را در پیش بینی رفتار مشتری داشت.درادامه تحقیق تلاش بر بالا بردن دقت و کم کردن خطا در تشخیص رفتار مشتری و تحلیل احساسات در شبکه های اجتماعی انجام شد که با کمک الگوریتم بکاررفته در این پژوهش دقت در تحلیل احساسات کاربران در شبکه اجتماعی اینستاگرام از ۷۷ درصد به دقت ۹۶ درصد و بالاتر از پژوهش های قبلی دست یافته است.