بهبود کارایی پیش بینی میزان ریزش مشتری درشبکه های اجتماعی باتحلیل داده کاوانه (درخت تصمیم شبکه های عصبی و رگرسیون)
Publish place: First National Conference on Sustainable Development in Electrical and Computer Engineering
Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 325
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISFCONF01_002
تاریخ نمایه سازی: 25 خرداد 1400
Abstract:
از دیدگاه مدیریت ریسک و اقتصاد، تشخیص مشتریانی که ریزش آنها مخاطره زیادی دارد، بسیار مهم و قابل توجه است. اطلاعات موجود در سوابق مشتریان، اعم از مشتریان وفادار و ریزش شده، مبنایی برای پیش گویی رفتار آینده مشتریان است. اگر بتوان بر اساس اطلاعات مربوط به ویژگی های مشتریان، احتمال ریزش یا عدم آن را پیش بینی کرد، می توان با انجام فعالیت های بازدارنده، ریزش آنها را به حداقل رسانید. به منظور پیش بینی ریزش مشتری، روشهای گوناگون آماری و داده کاوی برای رده بندی وجود دارند. در این پژوهش جهت بهبود کارایی پیش بینی میزان ریزش مشتری درشبکه های اجتماعی باتحلیل داده کاوانه از شبکه های عصبی تابع پایه شعاعی و رگرسیون استفاده شده است. همچنین از شبکه اجتماعی توئیتر جهت ارزیابی رویکرد پیشنهادی استفاده شد. پس از شبیه سازی رویکرد پیشنهادی در نرم افزار تلب نتایج نشان داد که رویکرد پیشنهادی از سهولت استفاده بالایی برخوردار است همچنین رویکرد ترکیبی پیشنهادی از دقت بالای نسبت به سایر روش ها برخوردار بود.
Keywords:
Authors
فرشته علی بیگی نژاد
دانشجو، کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد سیرجان، ایران
محمدصادق حاج محمدی
استادیار، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد سیرجان، ایران