کشف ارتباط بین ویژگی های کالا به کمک کاوش قوانین همبستگی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 730

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICIKT07_151

تاریخ نمایه سازی: 22 مهر 1394

چکیده مقاله:

در تجارت الکترونیک، یکی از مهمترین خواسته های مشتری یافتن محصول مناسب، متناسب با قیمت و برطرف کننده ی نیازهای اوست. مشکلی که وجود دارد این است که در بسیاری از موارد ویژگی هایی که کاربر به دنبال آنها می گردد گاه متضادند و گاه مکمل، گاهی نیز بین ویژگی های مختلف یک کالا، ارتباطات پنهانی موجود است که مشتری از آنها بی اطلاع است. به عنوان مثال تاثیر رنگ یک کالا بر قیمت آن، تاثیر یک نام تجاری بر قیمت، تاثیر یک ویژگی بر مصرف انرژی و ... همگی ارتباطات بین ویژگی های کالاهاست که در بسیاری موارد فرد خبره در آن کالاها، قادر به تشخیص تخمینی این قوانین می باشد و گاهی نیز فرد خبره آنها را به سهولت درنمی یابد. کشف ارتباطات بین ویژگی های کالا، از آن لحاظ حائز اهمیت است که کاربر را آگاه تر کرده و به او در یافتن کالای مناسبتر کمک می کند. چنانچه کاربر بداند انتخاب یک ویژگی در یک کالا چه تاثیری در ویژگی دیگری دارد، ممکن است در انتخاب آن ویژگی تجدید نظر کند و یا برعکس، با رغبت بیشتری آن را بپذیرد. در این مقاله سعی بر آن است که به کمک الگوریتم مناسبی به طور خودکار ارتباط بین ویژگی های کالا به صورت قوانین همبستگی¹کشف شود. الگوریتم مزبور باید بتواند بین ویژگی های کمی و غیر کمی کالاها، ارتباطات را بیابد و قوانین متناقض را تشخیص دهد و آنها را اصلاح کند. پس از انجام این کارها، کاربر می تواند از سامانه ای که این قوانین را به او نشان دهد، به عنوان یک مشاور خوب در انتخاب کالا بهره بگیرد و در واقع سیستم نقش هدایت گر کاربر را دارا خواهد بود.

نویسندگان

محمدرضا رزازی

دانشگاه صنعتی امیرکبیر،

زهرا فصیحی

دانشگاه صنعتی امیرکبیر،

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 مقاله لینک شده اند :
  • http _ //www .digikala. com. ...
  • R. Agrawal, T. Imielinski, , A.N. Swami. "Mining association rules ...
  • Jochen Hipp, Ulrich Gintzer, Gholamreza Nakhaeizadeh, "Algorithms for association rue ...
  • B. Goethals. "Frequent set mining", The Data Mining and Knowledge ...
  • Ansaf Salleb-Aouissi, Christel Vrain, Cyril Nortet, ...
  • international joint conference on Artifical intelligence, pp. 1035-1040, 2007. ...
  • Ramakrishnar Srikant, Rakesh Agrawal, "Mining quantitative association rules in large ...
  • Y. Aumann and Y. Lindell. "A statistical theory for quantitative ...
  • G.I. Webb S. Huang. Discarding insignicant rules during impact rule ...
  • Toon Calders, Bart Goethals, Szymon Jaroszewicz, " Mining rank-corre lated ...
  • M. Kendall. "Rank Correlation Methods, " Oxford University Press, 1990. ...
  • http://www. statsdirect. c om/help/default _ htm#nonp arametric_ methods/kenda _ lation.htm. ...
  • Martin, D., Rosete, A., Alcala-Fdez, J, Herrera, F., " A ...
  • K.Y. Fung, C.K. Wong, K.W.M. Siu, K.M. Yu, "A multi- ...
  • Binu Thomas, G. Raju, "A novel unsupervised fizzy clustering method ...
  • نمایش کامل مراجع