بررسی تعداد درختان در الگوریتم جنگل تصادفی برای تحلیل عقاید در فروشگاههای مجازی
- سال انتشار: 1395
- محل انتشار: پنجمین کنگره مشترک سیستمهای فازی و هوشمند ایران (شانزدهمین کنفرانس سیستمهای فازی و چهاردهمین کنفرانس سیستمهای هوشمند)
- کد COI اختصاصی: ICFUZZYS16_013
- زبان مقاله: فارسی
- تعداد مشاهده: 864
نویسندگان
دانشجوی کارشناسی ارشد مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد قزوین
دانشکده علوم ریاای و کامپیوتر، دانشگاه علامه طباطبایی
چکیده
امروزه تعداد مشتریانی که از فروشگاههای اینترنتی استفاده میکنند رو به افزایش است، اما تصمیمگیری از روی تصویر و توضیحات محصول برای خرید، مشکل میشود. از طرفی مشتریان، نظرات کاربران را در مورد یک محصول، قابل اطمینان و بدون گرایش تصور میکنند. با اینوجود، زمانیکه نظرات در مورد یک محصول خاص بیش از اندازه زیاد باشد، بررسی تمام نظرات از حوصلهی مشتری خارج میشود. بنابراین تحلیل نظرات مشتریان برای استخراج اطلاعات ارزشمند یکی از مسایل مهم و چالش برانگیز است. در این مقاله، بهمنظور دستهبندی نظرات کاربران درفروشگاههای مجازی، از الگوریتم جنگل تصادفی که روشی مبتنی بر تکنیک یادگیری دسته جمعی است استفاده میشود، در این روش دستهبندهای مورد استفاده درختهای تصمیمگیری هستند. یکی از پارامترهای مهم و موثر در دقت دستهبندی، تعداد درختان در جنگل است. هر یک از درختانموجود در جنگل به تنهایی کارایی زیادی نداشته و در واقع قدرت تشخیص جنگل به برآیند قدرت کلیهی درختان وابسته است. پس از بررسی تعداد درختان جنگل مشاهده کردیم، جنگلی که با استخراج ویژگی مبتنی بر رویکرد معنایی ساخته شده، نتایج بدتری در مقایسه با استخراج ویژگی مبتنی بر رویکرد آماری در پی داشته و کارایی الگوریتم به شدت افت کرده است و همچنین با افزایش تعداد درختان، قدرت تشخیص جنگل افزایش مییابد.کلیدواژه ها
ایدهکاوی، جنگل تصادفی، درخت تصمیم، دادهکاوی، فروشگاه مجازی، یادگیری دستهجمعیمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.