عنوان :

مقاله رده بندی کالاها در فروشگاه های الکترونیکی یک رهیافت فازی

تعداد صفحات : ۲۱

نوع فایل : ورد و قابل ویرایش

چکیده:

در مقاله ای که پیش رو دارید، روشی برای طبقه بندی کالاهای موجود در فروشگاه های اینترنتی معرفی میگردد. در بخش ۱، مروری بر کارهای انجام شده در این زمینه خواهیم داشت. در بخش ۲، به شرح فواید مجموعه های فازی در نمایش یک کالا و کمیت سنج زبانی (Linguistic quantifier)، همراه با توضیح مختصری در ارتباط با اپراتور OWA می پردازیم. در بخش ۳، ما به چگونگی رتبه بندی بر اساس اطلاعات گرفته شده از مشتری و همچنین موتورهای جستجو خواهیم پرداخت. در بخش ۴، یک مثال عددی را در ارتباط با پروسه فوق از نظر می گذرانیم. مثالی که بررسی خواهد شد مربوط به کاری است که در مقاله مرجع بر روی داده ها انجام شده است. در بخش ۵، پیاده سازی روش های رتبه بندی عنوان شده را بر روی داده های گرفته شده از پایگاه اینترنتی UCI، با تغییراتی که جزئیات آن شرح داده خواهد شد، انجام داده و نتایج حاصله را مورد بحث و بررسی قرار می دهیم.

واژه های کلیدی: فروشگاه های اینترنتی، طبقه بندی کالا، مشتری، اپراتور OWA، مجموعه های فازی

فهرست مطالب

چکیده:    ۲
مقدمه:    ۳
۱_ مروری بر کارهای قبلی:    ۵
۲_ سفارشی کردن کالا:    ۶
۲_۱_ مفاهیم فازی در ویژگی های محصول:    ۶
۲_۲_ کمیت سنج زبانی (Linguistic Quantifier):    ۸
۲_۳_ اپراتور OWA:    ۸
۳_ رتبه بندی محصولات:    ۹
۳_۱_ رده بندی از دیدگاه ویژگی های مورد نظر مشتری:    ۹
۳_۲_ رده بندی از دیدگاه موتورهای جستجو:    ۱۰
۴_ رتبه بندی نهایی محصولات:    ۱۱
۵_ مثال عددی:    ۱۲
۵_۱_ رتبه بندی ماشین ها از دیدگاه مشتری:    ۱۳
۶_ پیاده سازی روش:    ۱۴
۶_۱_ داده ها:    ۱۵
۶_۲_ مسئله و حل آن:    ۱۶
مراجع:    ۱۹

مراجع:

[۱] “MATLAB,” in 7, 2007.

[۲]  K. P. B.K.Mohanty, “WEB BASED INFORMATION FOR PRODUCT RANKING IN E-BUSINESS – A FUZZY APPROACH,” 2006 ACM, Fredericton, New Brunswick, Canada, pp. 1-6, 2006.

[۳]  M. Bohanec, “Car Evaluation Database,” UCI ML Repository, June, 1997.

[۴]   R. Full´er, “OWA Operators in Decision Making,” TUCS General Publications, 1996.

[۵] Krishnamoorthy Srikumar, “PERSONALIZED PRODUCT SELECTION IN INTERNET BUSINESS,” Journal of Electronic Commerce Research, VOL. 5, NO.4, 2004, 2004.

 مقدمه:

در هر دو نوع فروشگاه کلاسیک و آنلاین، یک مشتری مشخصات مورد نظر خود را هنگام خرید کالا مطرح می کند. همزمان مایل است بداند نظر دیگر مشتریان در ارتباط با کالایی که وی قصد خرید ان را دارد چیست.

با این پروسه مشتری خواهد فهمید که انتخابش چه قدر با بهترین کالا فاصله دارد. (فاصله صفر وقتی مشتری بهترین انتخاب را دارد). مشتری انتظار دارد این رده بندی و پیشنهادات از طرف خود سیستم بازار الکترونیکی به وی داده شود. در این راه گرفتن اطلاعات، جهت دادن پیشنهاد، کار نسبتا دشواری است.

این دشواری چند برابر می شود وقتی مشتری خواسته ها و سلایق خود را به صورت فازی بیان می کند. سیستم فروش الکترونیک نیاز دارد که در جهت هرچه مشتری مدارتر شدن، این اصطلاحات فازی را نمایش داده و ترکیب کند. یک مشکل دیگر در فروش الکترونیک بیرون کشیدن وزن های پنهان شده درون هر یک از خصوصیاتی است که مشتری بر اساس این وزن های ذهنی، قضاوت و رده بندی نهایی را می طلبد. اعلام این وزن های پنهان، فروش الکترونیکی را هر چه بیشتر بر روی خواست مشتری متمرکز می کند. اما بسیار دشوار است که این وزن ها در فروشگاه های الکترونیکی دریافت و تعریف شوند، زیرا درگیر کردن مشتری با جزئیات از جذابیت خرید خواهد کاست. مطلب بعدی به میزان محبوبیت کالای انتخاب شده بر می گردد. نهایتا سیستم نیاز دراد تمام موارد فوق را با هم ترکیب کرده و رده بندی نهایی را به مشتری اعلام کند.

در این گزارش ما با مشکل اول از طریق نمایش خواص کالا که توسط مشتری بیان می شود، به صورت مجموعه های فازی، روبرو می شویم. مسئله دوم با مفاهیم اپراتور OWA (Ordered Weighted Average) و کمیت سنج زبانی مدیریت می شود. اطلاعات سایر مشتریان از طریق اینترنت و با استفاده از موتورهای جستجو انجام می شود، و نهایتا از ترکیب تمام اطلاعات فوق جهت ارائه یک رده بندی مناسب و دادن اطلاعات جدید جانبی راجع به کالای مورد نظر استفاده خواهد شد.

در بخش ۱، مروری بر کارهای انجام شده در این زمینه خواهیم داشت. در بخش ۲، به شرح فواید مجموعه های فازی در نمایش یک کالا و کمیت سنج زبانی (Linguistic quantifier)، همراه با توضیح مختصری در ارتباط با اپراتور OWA می پردازیم. در بخش ۳، ما به چگونگی رتبه بندی بر اساس اطلاعات گرفته شده از مشتری و همچنین موتورهای جستجو خواهیم پرداخت. در بخش ۴، یک مثال عددی را در ارتباط با پروسه فوق از نظر می گذرانیم. مثالی که بررسی خواهد شد مربوط به کاری است که در مقاله مرجع بر روی داده ها انجام شده است. در بخش ۵، پیاده سازی روش های رتبه بندی عنوان شده را بر روی داده های گرفته شده از پایگاه اینترنتی UCI، با تغییراتی که جزئیات آن شرح داده خواهد شد، انجام داده و نتایج حاصله را مورد بحث و بررسی قرار می دهیم.

۱_ مروری بر کارهای قبلی:

پیش از این نیز یکسری تلاش ها در زمینه خرید بهتر از فروشگاه های اینترنتی انجام شده است. Jango، یک فروشگاه شخصی، و DealTime ، با آدرس www.dealtime.com  از پیشگامان تلاش در جهت در نظر گرفتن نظرات مشتری در هنگام خرید هستند. این آژانس ها ویژگی های مطلوب محصول را جهت توصیف آن از سطح اینترنت جمع آوری می کنند. وقتی مشتری تعیین می کند که کالائی برایش جذابیت دارد، این آژانس ها بهترین مقادیر موجود در ارتباط با آن کالا را که در اینترنت موجود است پیشنهاد می کنند. مشکل تعیین محصول مناسب در بازار وسیع اینترنت رقابت شدید بین فروشگاه های مختلف در بهتر نشاندادن کالاهای خود است. یعنی اگر به صورت کلی به یک کالا نگاه کنیم (بدون در نظر گرفتن خصوصیات جزئی آن) توجه کنیم تبلیغات می تواند تاثیر بسیار زیادی روی چینش پیشنهادات داشته باشد. سطح دیگری از آژانس ها مانند decision guide با آدرس www.ActiveBuyersGuide.com ، به مشتری در تعیین محصول بهتر، بر اساس مشخصاتی که خود مشتری آن ها را انتخاب می کند کمک می کنند. این سایت یک لیست ازکالاهایی را که با خصوصیات خواسته شده از طرف مشتری مطابقت دارند، پیشنهاد می دهد. هرچند در این فروشگاه مشتری به دشواری سطح مطلوب و مورد انتظار خود را از ویژگی های کالا تعریف می کند. در decision guide یک خریدار می تواند مهمترین ویژگی های کالا را با مشخص کردن یک محدوده عددی برای مینیمم و ماکزیمم سطح انتظار خود بیان می کند.این ورودی ها سیستم را قادر می سازند که یک لیست از محصولات را پیشنهاد دهند. ممکن است یک انحراف کوچک از هر یک از مقادیر تعیین شده توسط مشتری باعث پیشنهاد هایی شود که در کل محصول مناسب تری را معرفی می کند. اما از آن جا که مقادیر ورودی از طرف مشتری دقیقا تعریف شده است، این انحراف کوچک رخ نخواهد داد و طبعا مشتری از انتخاب یک سری محصولات که شاید از محصولات پیشنهاد شده مناسب تر باشند محروم خواهد شد.

یک فروشگاه دیگر www.amazon.com است که کتاب هایش را همراه با ویژگی های جذاب آن و نیز “ویژگی توضیحی مشتری” پیشنهاد می دهد. البته این سایت دیدگاه های مشتریان را به صورت فازی دریافت نمی کند. مثلا “یک کتاب داستان خوب” یا “یک متن ریاضی با بیان آسان و قابل فهم“؛ “ویژگی توضیحی مشتری” به مشتریان این اجازه را می دهد که یک سری پیشنهادات متنی را بر اساس توافق میان سایر مشتریان دریافت کند. بنابراین، چون اطلاعات حاصل از این پیشنهادات تنها بر اساس رتبه بندی ذهنی سایر مشتریان همین سایت بوده است نمی توان آن را شاخص صحیحی از میزان محبوبیت آن کالا (کتاب) محسوب کرد.

جهت دریافت و خرید متن کامل مقاله و تحقیق و پایان نامه مربوطه بر روی گزینه خرید انتهای هر تحقیق و پروژه کلیک نمائید و پس از وارد نمودن مشخصات خود به درگاه بانک متصل شده که از طریق کلیه کارت های عضو شتاب قادر به پرداخت می باشید و بلافاصله بعد از پرداخت آنلاین به صورت خودکار  لینک دنلود مقاله و پایان نامه مربوطه فعال گردیده که قادر به دنلود فایل کامل آن می باشد .