فروشگاه اینترنتی هوشمند: سیستم پیشنهاددهندۀ مبتنی بر تحلیل رفتار کاربران
Abstract(in Persian; no English abstract is available)
سیستمهای پیشنهاددهندهای که با ارائۀ پیشنهادها شخصیسازی میشوند و به کاربران در یافتن محصولی که علاقه دارند، کمک میکنند، میتوانند در ترغیب مشتریان به خرید از وبسایت و در نتیجه موفقیت فروشگاههای آنلاین، نقش کلیدی ایفا کنند. روش پالایش همکارانه، یکی از موفقترین روشهای بهکاررفته در این سیستمها است که توانایی ارائۀ پیشنهادهایی نزدیک به نظر کاربران را دارد، اما با افزایش تعداد کاربران و محصولات، با مشکلاتی مانند شروع سرد و مقیاسپذیری مواجه میشوند. به همین دلیل در این پژوهش روش جدیدی معرفی شده است که ضمن بهکارگیری الگوریتم روش پالایش همکارانۀ مبتنی بر کاربر بهمثابۀ رویکرد پایه، از ترکیب وزندار خوشهبندی کاربران بر اساس اطلاعات جمعیتشناختی آنها نیز برای دستیابی به نتایج بهتر از سیستم، استفاده کرده است. نتایج پیادهسازی الگوریتم نشان داد رویکرد ارائهشده، ریشۀ میانگین مربعات خطای کمتری دارد که بهمعنای عملکرد بهتر و دقت بیشتر آن است و پیشبینیهای حاصل از آن با ترجیح و سلیقۀ کاربران همخوانی بیشتری دارد.
Authors and affiliations
- محمدرضا کریمی علویجه — استاد گروه مدیریت بازرگانی دانشکدۀ مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
- شیوا عسکری — کارشناسارشد مدیریت بازرگانی ـ گرایش بازاریابی، دانشگاه علامه طباطبائی، تهران، ایران
- سیروان پرسته — کارشناسارشد مهندسی کامپیوتر ـ گرایش هوش مصنوعی، دانشگاه علم و صنعت، تهران، ایران