توضیحات
چکیده
نظرکاوی به عنوان زیرمجموعه ای مشخص از فرایند داده کاوی تلاش به ارائه راهکارهای مدون بر مبنای یک مجموعه داده پیش پردازش شده صحیح از نظرات کاربران دارد تا قادر باشد روش های داده کاوی گوناگون را برای یادگیری مدل بکار بندد. در این پژوهش از یک دیتاست واقعی مبتنی بر نظرات ابراز شده فارسی بر چهارده محصول دیجی کالا، به انتخاب و ایجاد ویژگی های با معنی مبتنی بر نقش های دستوری صفت و قید که به صورت بارزی بیانگر نظرات کاربران هستند پرداخته شد. اعمال روش های مدلسازی شبکه عصبی و درخت تصمیم به علت پیش پردازش صحیح بر روی دیتاست نظرات به نتایج قابل قبولی از نظر صحت دست یافت.
مقدمه
امروزه با فراگیر شدن فروشگاه های آنلاین در سطح اینترنت و تمایل کاربران به استفاده از آنها، صاحبان این وب سایت ها به ناچار مجبور شده اند تا برای حضور در این عرصه و رقابت با سایر رقبا، امکانات بهتری را ارائه نمایند. کاربران اغلب تمایل به استفاده از نظرات سایر کاربران در مورد اجناس مختلف در یک فروشگاه با هدف انجام یک خرید مناسب دارند. از اینرو فروشگاه های آنلاین، امکاناتی نظیر پرسش و پاسخ و همچنین بیان دیدگاه ها را پیرامون اجناس مختلف درنظر گرفته اند. کاربران برای خرید یک جنس در ابتدا به نظرات سایر کاربرانی که این محصول را خریداری نمودهاند مراجعه نموده و براساس تجربه کاربری آنان و نظراتی که درج نموده اند تصمیم به خرید آن محصول خواهند گرفت. با افزایش حجم کاربران یک فروشگاه آنلاین موفق، تعداد نظرات پیرامون اجناس مختلف آن فروشگاه نیز افزایش خواهد یافت و این امر سبب میگردد کاربرانی که برای خرید یک محصول جدید به نظرات سایر کاربران مراجعه مینمایند به دلیل حجم زیاد نظرات و در برخی مواقع وجود تضاد بین این نظرات، دچار سردرگمی شده و نتوانند تصمیم مناسب را اتخاذ نمایند. از اینرو وجود سیستم هایی که نظرات کاربران را تحلیل نموده و برآیندی از این نظرات را برای کاربرانی که قصد خرید این محصول را دارند نمایش دهد بسیار مورد نیاز میباشد.
ABSTRACT
As a subset of the data mining process, Nazavi is attempting to provide coded solutions based on an accurately pre-processed dataset of user feedback in order to be able to use various data mining methods to learn the model. In this research, a real data based on the Persian expressions expressed in terms of the fourteen products of the commodity, to select and create features with a meaning based on the role roles of adjective and adverb, which expressly express the views of users. Applying the neural network modeling methods and the decision tree due to the correct preprocessing on the data provided comments on acceptable results in terms of accuracy.
INTRODUCTION
Nowadays, with the growing presence of online stores on the Internet and the willingness of users to use them, the owners of these websites have inevitably been forced to offer better opportunities to compete in this field and compete with other competitors. Users often tend to use the opinions of other users about different items in a store with the goal of doing an appropriate purchase. Online stores, therefore, include questions such as questions and answers, as well as commenting on the various items. Users first come to the comments of other users who bought this product and will decide to buy the product based on their user experience and the comments they have entered. With the increase in the size of the users of a successful online store, the number of opinions about the various goods of that store will also increase, which will cause users who buy other products to refer to the views of other users due to the large volume of comments and sometimes the existence of the contradiction between These comments are confused and can not make the right decision. Hence, there are many systems that analyze user feedback and showcase some of the feedback to users who want to buy this product.
Year: 2017
Publisher : The 5th International Conference on New Findings in Science and Technology
By : Haniyeh Heidari Shelmani, Fatemeh Ahmadi Abkenari, Mahboobe Yaghoobi Bijar Baneh
File Information: Persian Language/ 11 Page / size: 458 KB
سال : 1396
ناشر : پنجمین کنفرانس بین المللی یافته های نوین علوم و تکنولوژی
کاری از : هانیه حیدری شلمانی ، فاطمه احمدی آبکناری ،محبوبه یعقوبی بیجاربنه
اطلاعات فایل : زبان فارسی / 11 صفحه / حجم : KB 458
نقد و بررسیها
هنوز بررسیای ثبت نشده است.