ارائه روش جديد شباهت‌یابی برای بهينه‌سازی كسب‌وكار در فروشگاه‌های اينترنتی با استفاده از تكنولوژی‌های زمان نرخ‌دهی

یكی از پیامدهای مهم گسترش اینترنت در عصر حاضر، پیدایش وب گـاههـای تجـارت الكترونیكی است؛ اما تنوع اقلام عرضـه شـده مـی توانـد انتخـاب محصـولات مناسـب را بـرای مشتریان به فرایند پیچیده ای تبدیل كند. شركتها برای رفع این مشكل استفاده از سیستم های پیشنهاد دهنده را توصیه می كنند. به دلیل درصد زیاد خطا در پالایش و ارائة پیشـنهادها، معمـولاً در اینگونه سیستم ها از چند روش پایه برای پیشنهاد اقلام مورد علاقة كاربر استفاده مـیشـود.  روش پالایش همكارانه، یكی از موفق ترین روش های بـه كاررفتـه در ایـن سیسـتم هاسـت؛ امـا استفاده از این روش با افزایش تعداد كـاربران و محصـولات، مجموعـه را بـا مشـكلاتی ماننـد ناتوانی در پاسخگویی به نیازهای كاربران جدید و تُنُكی داده مواجـه مـی كنـد. بـه منظـور رفـع مشكل یادشده، در این پژوهش روش جدیدی معرفی شده است كه بـا ادغـام زمـان نـرخ دهـی كاربران با معیار شباهت یابی پیرسون و همچنین ادغام تكنولوژیهای معنایی و شبكة اجتماعی، راه حلی برای كاهش مشكل كاربران جدید و تنكی داده هـا ارائـه مـی كنـد. نتـایج پیـاده سـازی الگوریتم ها نشان میدهد رویكرد ارائه شده عملكرد بهتر و صحت بیشتری دارد و پیش بینی هـای آن با سلیقة كاربران همخوانی بیشتری دارد.

© کپی رایت - هوشمندی کسب و کار، انبار داده، دریاچه داده، پلتفرم داده، تحلیل کلان داده، رهیافت های داده محور، علم داده، هوش مصنوعی | Power by kte.ir