ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

دسته بندی مشتریان با استفاده از داده کاوی بر پایه الگوریتم های شبکه عصبی و انواع درخت تصمیم

سال انتشار: 1397
کد COI مقاله: ARGCONF03_020
زبان مقاله: فارسیمشاهد این مقاله: 1,179
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله دسته بندی مشتریان با استفاده از داده کاوی بر پایه الگوریتم های شبکه عصبی و انواع درخت تصمیم

امیر فرهاد فرهادی - کارشناس ارشد مهندسی فناوری اطلاعات دانشگاه آزاد اسلامی تهران شمال
شیرین دخت فرهادی - دانشجوی دکتری مهندسی فناوری اطلاعات، دانشگاه تربیت مدرس،

چکیده مقاله:

وب سایت ها بزرگترین پایگاه داده در دسترس و دارای داده های بسیاری در رابطه با مشتریان می باشد. کشف و تحلیل داده های مشتریان در وب، سازمان ها را قادر می سازد تا تصمیمات مبتنی بر داده گرفته و استراتژی های تصمیم گیری خود را بهبود و توسعه دهند. تکنیک های داده کاوی ابزارهای شناخته شده ای برای تجزیه و تحلیل داده های مشتریان می باشند. این تکنیک ها با استفاده از روش های آماری و هوش مصنوعی، الگوهای موجود در مجموعه داده های بسیار بزرگ را استخراج می کنند. این تحقیق می کوشد تا با تاکید بر مدل های داده کاوی در حوزه دسته بندی، مبنی بر تحلیل رفتار مشتریان، به بهبود مدیریت ارتباط با مشتری و تدوین استراتژیهای بازاریابی ویژه هر دسته از مشتریان وب سایت کافه بازار بپردازد. بدین منظور پس از بررسی تحقیقات و مقالات موجود، مرور ادبیات تحقیق، از شاخص هایی که مشتریان در هنگام مراجعه به وب سایتها با آن مواجه می شوند، استفاده شده است و سپس داده های جمع آوری شده با استفاده از نرم افزار Spss Clementine نسخه 18 مورد تجزیه و تحلیل قرار گرفت و از الگوریتم های شبکه عصبی و انواع درخت تصمیم جهت تحلیل رفتار مشتریان آنلاین استفاده شده است. در نهایت، با استفاده از قوانین درخت تصمیم مشخص گردید هرچه برنامه های وب سایت کافه بازار در دسته بندی های مجزایی قرار گیرند، احتمال پیدا کردن آنها توسط افراد بیشتر می شود و تعداد نصب این برنامه ها نیز به مرور زمان افزایش می یابد.

کلیدواژه ها:

دسته بندي مشتريان، داده كاوي، شبكه عصبي، درخت تصميم

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/754155/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
فرهادی، امیر فرهاد و فرهادی، شیرین دخت،1397،دسته بندی مشتریان با استفاده از داده کاوی بر پایه الگوریتم های شبکه عصبی و انواع درخت تصمیم،سومین کنفرانس سالانه ملی مهندسی برق، کامپیوتر و بیو الکتریک ایران،مشهد،،،https://civilica.com/doc/754155

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، فرهادی، امیر فرهاد؛ شیرین دخت فرهادی)
برای بار دوم به بعد: (1397، فرهادی؛ فرهادی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 5,943
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی