ارائه مدلی برای سنجش رضایت مشتری براساس الگوریتمهای داده کاوی ومتغیرهای عدم قطعیت

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 786

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IKMC06_376

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

بررسی رضایت مشتریان، در تعیین میزان برآورده شدن انتظارات آنها از محصول یا خدمت دریافتی و به دنبال آن توسعه و بهبود فرآیندهای سازمان، نقش به سزایی ایفاء می کند. ارائه مدلی برای اندازه گیری رضایت که قادر به بیان مقدار رضایت کلی مشتریان بر اساس قضاوت های توام با ابهام و عدم قطعیت آنها پیرامون معیارهای ارزیابی باشد، در این مقاله دنبال می گردد. در مدل ارائه شده نظرات مشتریان به صورت متغیرهای زبانی دریافت شده و به دلیل حاکم بودن روابط غیرخطی در رفتارها و قضاوتهای انسان، مقدار رضایت کلی با استفاده از شبکه عصبی فازی محاسبه می شود و در ادامه قواعد سیستم استنتاج فازی رضایت مشتری، برای حالتهای مختلف قضاوت مشتریان تعیین می گردد

کلیدواژه ها:

اندازه گیری رضایت مشتریان ، شبکه عصبی فازی ، متغیرزبانی ، سیستم استنتاج فازی

نویسندگان

ایاد هندالیانپور

دانشگاه تهران پردیس البرز گروه مهندسی صنایع و سیستم تهران ایران

عافه رامشی سروستانی

دانشگاه صنعتی شاهرود دانشکده علوم ریاضی شاهرود ایران

ارش آپرناک

دانشگاه تهران پردیس البرز گروه مهندسی صنایع و سیستم تهران ایران

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 :
  • Asako Itagaki, Hamoru Takashima Yuichi Ashino. Chizuru Kishio W, Shohachiro ...
  • Chen, C. H., Khoo, L. P., & Yan, W. (2006). ...
  • Choi, K. S., Cho, W. H., Lee, S., Lee, H., ...
  • Deng, W. J., Pei, W. (in press). Fuzzy neural based ...
  • E.Grigoroudis, Y.Siskos, "Preference disaggregation for measuring and analyzing customer satisfaction: ...
  • F. Hoppner, F. Klawonn, R. Kruse, T. Runkler, Fuzzy cluster ...
  • Faze1 Zarandi, Ismail B.Turksen, B .Maadani, " Customer Satisfaction Assessment ...
  • H. Ishibuchi, K. Kwon, H. Tanaka, "A learning algorithm of ...
  • H. Ishibuchi, R. Fujioka, H. Tanaka, " An architecture of ...
  • H.J Zimmermann, "Fuzzy set theory and its Applications", Klwer Academic ...
  • Han, S.H., Yun, M.H., Kim, K., Kwahk, J., 2000. Evaluation ...
  • Hsiao, S. W., & Tsai, H. C. (2005). Applying a ...
  • Johnson, M. D., Nader, G., & Fornell, C. (1996). Expectations, ...
  • Jungchul Park, Sung H. Han, " A fuzzy rule-based approach ...
  • Nagamachi, M., 1995. Kansei engineering: a _ ergonomic co ns ...
  • Shackel, B., 1984. The concept of usability. In: Bennet, J., ...
  • W. Pedrycz, Kn owledge-Based Clustering, John Wiley & Sons, Inc., ...
  • Zhenquan Lia, Vojislav Kecmana, Akira Ichikawa, "Fuzzified neural network based ...
  • نمایش کامل مراجع