عنوان انگلیسی مقاله:

Modeling customer satisfaction from unstructured data using a Bayesian approach

ترجمه عنوان مقاله: مدلسازی رضایت مشتری از داده های غیر ساختاری با استفاده از رویکرد بیزی

رشته: سیستم اطلاعاتی

سال انتشار: 2016

تعداد صفحات مقاله انگلیسی: 35 صفحه

منبع: ساینس دایرکت

نوع فایل: pdf

http://modir123.com/photo%20site/D-modir123.com%20_2_.png دانلود رایگان مقاله

چکیده مقاله

چکیده
اینترنت میزبان بسیاری از سایت هایی است که حجم زیادی از خواسته ها در مورد محصولات و خدمات را جمع آوری می کنند. این نظرات در زبان رسمی بیان می شود و در این مقاله یک روش برای مدل سازی جنبه های کلی رضایت مشتری از نظرات آزاد نوشته شده ارائه شده است. نظرات نوشته شده، داده های ورودی بدون ساختار است که برای اولین بار به داده های نیمه ساختار یافته با استفاده از یک روش موجود برای تجزیه و تحلیل احساسات سطح، تبدیل می شود. بعد، رضایت کلی مشتری با استفاده از رویکرد بیزی براساس امتیاز فردی هر بازبینی مدل سازی می شود. این روش احتمالات کشف اهمیت نسبی هر جنبه برای هر محصول یا خدمات منحصر به فرد را امکان پذیر می سازد. آزمایش تجربی بر روی مجموعه داده ای از بررسی های آنلاین پارک های ایالتی کالیفرنیا، که از TripAdvisor به دست آمده، اثربخشی چارچوب پیشنهادی در مورد تحلیل احساسات در سطح جنبه و مدل سازی رضایت مشتری را نشان داده است. دقت در یافتن ابعاد قابل توجه 88/3 درصد است. میانگین R2 برای رضایت کلی مشتری پیش بینی شده با استفاده از محدوده مدل از 0.892 تا 0.999 است.
 
کلیدواژگان: تحلیل احساسی سطح، مدل رضایت مشتری، چارچوب بیزی.
 
مقدمه مقاله

مقاله isi

تصمیم گیری سازمانی به طور فزاینده ای به ابزارهای پشتیبانی تصمیم (DSS) متکی است. در طول 30 سال گذشته، تحقیق در مورد یادگیری ماشین این ابزار DSS را تبدیل به پیشرفته تر هوشمند شده است [1]. به طور خاص، الگوریتم های یادگیری ماشین DSS را قادر می سازد تا یاد بگیرند و به تغییر محیط تصمیم گیری پاسخ دهند. در این مقاله، ما قصد داریم در مورد چگونگی استفاده از یادگیری ماشین در یک محیط تصمیم گیری پویا که می توانیم درک ما از رضایت مشتری بر مبنای بررسی محصول محصول یا خدمات آنلاین، بهبود یابیم.

سفارش ترجمه تاثیر جنبه های شخصی و كاركرد رفتار كاركنان كاركنان رستوران بر رضایت مشتری

 

مطالب مرتبط