طراحی سیستم رتبه بندی محصولات خریداری شده براساس نظرات مصرف کنندگان و متخصصین با استفاده از رویکرد تحلیل احساسات مبتنی بر ویژگی

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 65

This Paper With 28 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_SAIM-6-2_002

تاریخ نمایه سازی: 24 آذر 1402

Abstract:

با گسترش سایت های فروش اینترنتی تمایل به خرید برخط با توجه به مزایای زیاد آن روزبه روز در حال افزایش است. اکثر مشتریان قبل از تصمیم گیری و انتخاب محصول، نظرات خریدارن قبلی محصول را بررسی کرده و براساس آن محصول خود را انتخاب می-کنند. وجود برندهای مختلف در بازار و از سویی بررسی حجم بالایی از نظرات جهت تصمیم گیری در خصوص خرید محصول چالش بزرگی است که خریداران با آن مواجه هستند، وجود ابزارهای خودکار متن کاوی و آنالیز احساسات برای بررسی نظرات کاربران می تواند در این زمینه بسیار مفید باشد و به عنوان راه کاری در رتبه بندی محصولات براساس نظر مشتریان مورد استفاده قرار گیرد. در این پژوهش با بررسی بیش از ۴۵۰۰ مورد از نظرات مشتریان و ارزیابی متخصصان در خصوص ۷۰ کالا، سه نوع ویژگی شامل: ویژگیهای حسی موجود در نظر مشتریان و متخصصین، ویژگی های ساخت محصول و ویژگی های نظرسنجی استخراج گردیده و با بکارگیری تحلیل احساسات مبتنی بر ویژگی، سیستم رتبه بندی محصولات ایجاد گردیده است.

Keywords:

رتبه بندی محصولات , تحلیل احساسات مبتنی بر ویژگی , متن کاوی , دیجی کالا

Authors

امید افشاری زاده جعفری

دانشجوی دکتری، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران

مرتضی ملکی مین باش رزگاه

دانشیار، گروه مدیریت بازرگانی، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران

عظیم زارعی

دانشیار، گروه مدیریت بازرگانی، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران

محسن شفیعی نیک آبادی

دانشیار، گروه مدیریت صنعتی، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Asgarian E, Kahani M, Sharifi S. Hesnegar: Persian sentiment wordnet. ...
  • Asghar MZ, Khan A, Zahra SR, Ahmad S, Kundi FM. ...
  • Collomb A, Costea C, Joyeux D, Hasan O, Brunie L. ...
  • Feldman R. Techniques and applications for sentiment analysis. Communications of ...
  • Firmanto A, Sarno R. Aspect-Based Sentiment Analysis Using Grammatical Rules, ...
  • Flanagin AJ, Metzger MJ, Pure R, Markov A, Hartsell E. ...
  • Ghobakhloo M, Rajabzadeh Ghatari A, Toloie Eshlaghy A, Alborzi M. ...
  • Ghose A, Ipeirotis PG. Estimating the helpfulness and economic impact ...
  • Guo C, Du Z, Kou X. Products ranking through aspect-based ...
  • Jeyapriya A, Selvi CK. Extracting aspects and mining opinions in ...
  • Kong R, Wang Y, Xin W, Yang T, Hu J, ...
  • Liu B. Sentiment analysis and opinion mining. Synthesis lectures on ...
  • Liu Y, Bi JW, Fan ZP. Ranking products through online ...
  • Liu Y. Investigation of Viterbi Algorithm Performance on Part-of-Speech Tagger ...
  • Maas A, Daly RE, Pham PT, Huang D, Ng AY, ...
  • Mahdisoltani F, Biega J, Suchanek F. Yago۳: A knowledge base ...
  • Maleki Minbashrazgah, M, Afsharizadeh Jafari, O. Adaptive Clustering of Food ...
  • Mäntylä MV, Graziotin D, Kuutila M. The evolution of sentiment ...
  • Montazery M, Faili H. Automatic Persian wordnet construction. InColing ۲۰۱۰: ...
  • Shamsfard M, Hesabi A, Fadaei H, Mansoory N, Famian A, ...
  • Sohrabi B, Raeesi Vanani I, Zareh Mirkabad F. Designing a ...
  • Yang X, Yang G, Wu J. Integrating rich and heterogeneous ...
  • Zarei A, Feiz D, Taheri G. Providing Social Market Intelligence Framework based ...
  • Zhang K, Cheng Y, Liao WK, Choudhary A. Mining millions ...
  • Zhang K, Narayanan R, Choudhary AN. Voice of the Customers: ...
  • Zhang Z, Guo C, Goes P. Product comparison networks for ...
  • نمایش کامل مراجع