-
شماره ركورد
24533
-
شماره راهنما
IT2 145
-
نويسنده
بخشي كندزي، محمدمهدي
-
عنوان
بخشبندي فروشندگان با استفاده از روند احساسات نظرات برخط در بازارهاي الكترونيكي
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي فناوري اطلاعات - تجارت الكترونيكي
-
دانشكده
مهندسي كامپيوتر
-
تاريخ دفاع
شهريور 1402
-
صفحه شمار
136 ص.
-
استاد راهنما
سيد فخرالدين نوربهبهاني
-
كليدواژه فارسي
بازارهاي الكترونيكي , بخشبندي فروشگاهها , خوشهبندي , تحليل احساسات
-
چكيده فارسي
بازارهاي الكترونيكي بسترهايي براي ارتباط فروشگاههاي اينترنتي با خريداران هستند. يكي از مشكلات اين بازارها، اولويتدهي به فروشگاهها براي افزايش كارآمدي بازار و سودمندي آن است. راه حلهاي موجود براي رفع اين مشكل، از جنبههاي مختلفي براي بخشبندي فروشندگان استفاده ميكنند. يكي از اين جنبهها، استفاده از ميانگين رضايت مشتريان فروشگاه است. راه حل مبتني بر اين جنبه، نميتواند تاثير تفاوت رضايت مشتريان در طي زمان را در نظر بگيرد و تاكنون از روند احساسات مشتريان براي حل اين مشكل استفاده نشدهاست. در اين پژوهش با استفاده از روند احساسات مشتريان فروشگاهها در يك بازار الكترونيكي، فروشگاهها بخشبندي ميشوند تا به اين شكل و با اين شاخصهي جديد، اين مسئله برطرف شود. روش پيشنهادي براي انجام اين مهم، به اينصورت است كه ابتدا دادههاي لازم از طريق بازار الكترونيكي باسلام جمعآوري ميشوند، اين دادهها پس از تحليلهاي اوليه در قالب دو مجموعهي دادهي نظرات و فروشگاهها تجميع ميشوند. سپس بر اساس مجموعهي دادهي نظرات، مدل تشخيص احساسات ساخته ميشود و نظرات، دستهبندي ميشوند. دقت مدل تشخيص احساسات برابر با 79٪ درصد است. در مرحلهي بعدي، بر اساس دستههاي پيشبينيشدهي نظرات، روند هر فروشگاه به صورت دورههاي ماهانه ساخته ميشود و مقدارهاي گمشده مقداردهي ميشوند. سپس روندها براي خوشهبندي به سه الگوريتم خوشهبند با شش معيار فاصله داده ميشوند و در مرحلهي بعدي، بر اساس معيارهاي خارجي مثل آمار فروش محصولات، دنبالكنندگان هر فروشگاه و غيره، كيفيت خوشهبندي سنجيده شد و در نتيجه مشخص شد كه الگوريتم Density peaks با معيار فاصلهي EDR بهترين خوشهبندي را انجام ميدهد. در نهايت بر اساس نتايج خوشهبندي، سه خوشه تشكيل ميشود كه هر كدام به تفصيل بررسي ميشوند. خوشهي اول شامل فروشگاههاي تازهوارد، خوشهي دوم متشكل از فروشگاههاي تاثيرگرفته از تبليغات و خوشهي سوم داراي فروشگاههاي وفادار به بازار الكترونيكي باسلام است. همچنين براي هر خوشه، توصيههايي ارائه ميشود. در مورد خوشهي اول، به بازار باسلام توصيه ميشود كه روند مهاجرت اين فروشگاهها از ساير بسترها و بازارها به بازار باسلام را تسهيل كنند. توصيهي ما به باسلام در مورد خوشهي دوم تسهيل شرايط تخفيف و فرهنگسازي و در مورد خوشهي سوم، دريافت بازخوردها و توجه ويژه به اين خوشه است.
-
كليدواژه لاتين
: Electronic Markets , Sellers Segmentation , Clustering , Sentiment Analysis
-
عنوان لاتين
Segmentation of Sellers using Sentiment Trends of Online Reviews in Electronic Markets
-
گروه آموزشي
مهندسي فناوري اطلاعات
-
چكيده لاتين
Electronic markets are platforms for communication between electronic sellers and buyers. Setting priorities for e-sellers to increase the effectiveness and efficiency of the market is a problem in this field. Current solutions are focused on some aspects of segmenting e-sellers. One of these aspects is the average of the e-seller’s customers satisfaction. The solution based on this aspect can’t consider changing customer satisfaction over time, and there is no solution that uses trends of customers satisfaction to resolve this issue. In this research, we propose a solution to segment e-sellers of an e-market based on their customersʹ satisfaction trends to solve the issue with this new aspect. The main steps of the suggested method are as follows: Initially, we gathered our raw dataset from an electronic marketplace named Basalam, and then we analyzed it to prepare it for subsequent steps. As a result, we created two key datasets: a sellersʹ dataset and a reviewsʹ dataset. By using customers reviews, we built a sentiment detection model and then classified reviews. The accuracy of the model, according to the F1 score, is 79%. After that, we made monthly trends by detected sentiments and imputed lost points of them. Then trends were used as inputs for three clustering methods with six distance measures. Nominated clusters settings were checked with external features to find the best clustering algorithm. So clusters based on Density peaks algorithm with EDR distance metric had the best results and made three clusters: newcomers, sellers who are influenced by TV advertisements, and loyal sellers. We gave Basalam some recommendations about each cluster. For the first cluster, it is a good option to provide some better ways to facilitate their migration from other platforms to Basalam, and for the second cluster, cultivation and financial facilities are suitable recommendations. For the last cluster, getting feedback and focusing on them is so worthy for Basalam
-
تعداد فصل ها
6
-
لينک به اين مدرک :
