ارایه یک شبکه عصبی مبتنی بر الگوریتم کلونی زنبورعسل مصنوعی جهت دسته بندی افراد از لحاظ رضایت و اعتمادشان به تجارت الکترونیک

تجارت الکترونیک در حال حاضر یکی از مباحث داغ دنیای تجارت و اقتصاد می باشد. علت علاقه به این امر در مزایای فراوان آن است که با حذف محدودیت زمانی و مکانی، کاهش صف فروشگاه ها و بانک ها و نیز صرفه جویی در زمان و هزینه توانسته است کارایی و بهره وری را در کل سیستم اقتصادی بالا ببرد. رضایت و اعتماد مشتریان از مهمترین عوامل روی آوردن آنها به تجارت الکترونیک و خرید و فروش از طریق اینترنت می باشد. در صورتی که ویژگی ها و آیتم های مدنظر مشتری در امر خرید و فروش اینترنتی فراهم شود می توان به تجارت الکترونیک اعتماد کرد و آن را رضایت بخش دانست. بنابراین، پس از شناسایی تمام ویژگی هایی که رضایت و اعتماد فرد به تجارت الکترونیک را شکل می دهند نیاز به استفاده از یک روش فراابتکاری است که به عنوان ابزار انتخاب ویژگی ها بتواند از بین تمام این ویژگی ها، یک مجموعه ویژگی موثرتر و برتر را انتخاب کند تا بتوان به وسیله آن، افراد را از لحاظ رضایت و اعتمادشان به تجارت الکترونیک در دو گروه راضی و ناراضی دسته بندی کرد. در این مقاله با پیاده سازی یک شبکه عصبی پرسپترون چند لایه و با استفاده از الگوریتم خوراک جویی کلونی زنبور عسل مصنوعی به عنوان یک ابزار انتخاب ویژگی، راهکاری را برای محقق شدن این امر ارایه داده ایم. الگوریتم کلونی زنبور عسل درمیان الگوریتم های هوش جمعی، به علت دارابودن ویژگی هایی همچون تقسیم کار مناسب، تعامل های گوناگون با یکدیگر و خود سازماندهی، کارایی بالایی دارد. به منظور نشان دادن اثربخشی روش پیشنهادی، از داده های مربوط به 150 نفر از کاربران و مشتریان اینترنتی (از اقشار مختلف)، به همراه یک مجموعه ویژگی مشخص مربوط به آنها استفاده می نماییم و به میانگین دقت پیش بینی % 92.4 می رسیم که مقدار مطلوبی می باشد. نتایج به دست آمده نشان دهنده دقت و کارایی بسیار بالای این رویکرد می باشد و اثبات می کند که این روش در هر مرحله، می تواند بهترین مجموعه ویژگی های افراد را ارایه دهد که در نتیجه بهینه ترین راه حل را برای حل این مسیله به ما می دهد.

کلیدواژه ها:

تجارت الکترونیک ، رضایت و اعتماد مشتری ، شبکه عصبی ، الگوریتم کلونی زنبورعسل مصنوعی ، انتخاب ویژگی