15927

15927

طراحي مدلي براي دسته‌بندي مشتريان الكترونيكي بر اساس يادگيري دسته‌جمعي

كارشناسي ارشد

مهندسي فناوري اطلاعات - تجارت الكترونيك

خردادماه 1395

خردادماه 1395

دكتر مهدي غضنفري

دكتر محمد فتحيان

صنايع

چكيده امروزه گسترش روزافزون فناوري اطلاعات و حجم بالاي داده‌هاي ذخيره‌شده از مشتريان، ابزار بسيار مناسبي براي پژوهشگران است تا از آن براي به دست آوردن راهكارهاي مناسب در پيشرفت صنايع استفاده كنند. خيلي از بنگاه‌هاي تجاري و غيرتجاري براي تحليل داده‌هاي خود نيازمند روش‌هاي ابتكاري و مناسب دسته‌بندي هستند. به‌عنوان‌مثال مي‌توان به سيستم رتبه‌بندي اعتباري مشتريان بانك براي اعطاي وام اشاره كرد. يكي از محبوب‌ترين روش‌ها براي حل مسائل دسته‌بندي استفاده از روش‌هاي يادگيري دسته‌جمعي است. در اين پژوهش مدلي بر اساس يادگيري دسته‌جمعي براي دسته‌بندي مشتريان ارئه شده است. يادگيري دسته‌جمعي يكي از روش‌هاي افزايش كارايي سيستم‌هاي بازشناسي الگو است كه شامل يادگيرنده‌هاي متعدد است و تصميم نهايي سيستم از تركيب نتايج يادگيرنده‌ها حاصل مي‌شود. در اين پژوهش با بهره‌گيري از اين روش و تركيب مناسب يادگيرنده‌ها و وزن‌دهي به راي بهترين دسته‌بند، دقت دسته‌بندي روي مجموعه داده‌هاي موردبررسي بهبود يافت. در اين تحقيق براي توليد دسته‌بندهاي پايه‌ي گوناگون از تغيير پارامترهاي الگوريتم ماشين بردار پشتيبان با هسته RBF استفاده شد كه اصطلاحاً استخر دسته‌بندها ناميده مي‌شود. استفاده از دو معيار تنوع (گوناگوني) و دقت در دسته‌بندي دسته‌جمعي يك امر ضروري است به همين دليل انتخاب دسته‌بندهاي تصميم‌گير از استخر دسته‌بندها بر اساس دو معيار دقت در همسايگي دسته‌بند پايه و گوناگوني در خطا در غير همسايگي دسته‌بند پايه انجام شد. انتخاب دسته‌بندها به كمك ويژگي داده‌ي آزمون و عملكرد دسته‌بندهاي پايه با توجه به مفهوم همسايگي، انجام شد. دسته‌بندهاي پايه‌اي در تصميم مشاركت خواهند داشت كه هم‌زمان اين دو معيار را حداكثر كنند. در مطالعات پيشين انجام‌شده ارزش مشخصي براي بهترين دسته‌بند قائل نبوده‌اند به همين خاطر در اين پژوهش با رزرو كردن رأي بهترين دسته‌بند در فرايند رأي‌گيري توانستيم دقت دسته‌بندي را در مجموعه داده‌هاي مورد بررسي بهبود ببخشيم. دسته‌بند پايه‌اي كه بهترين عملكرد را داشته است و تعداد از قبل مشخص شده‌اي از دسته‌بندها كه معيارهاي دقت در همسايگي و گوناگوني خطا در غيرهمسايگي را حداكثر كنند، در رأي‌گيري برچسب داده‌ي آزمون شركت داده خواهند شد. اگر مقدار اختلاف دقت بهترين دسته‌بند با دسته‌بندهاي انتخاب‌شده از استخر دسته‌بندها بيشتر باشد تأثير رأي اين دسته‌بند در تصميم نهايي بالاتر خواهد بود با اجراي اين كار توانستيم مقدار تعميم دسته‌بندي را بهبود ببخشيم. از مدل ارائه‌شده نتايج بهتري نسبت به الگوريتم‌هاي كيسه گذاري، ترقي، نزديك‌ترين همسايگي و الگوريتم ارائه‌شده در منبع شماره نه كه يك الگوريتم دسته‌بندي پويا و تركيبي است، بدست آمد. نتايج بهتر يعني دقت بالاتر در سه مجموعه داده از پنج مجموعه داده موردبررسي حاصل شد. واژه‌هاي كليدي: مديرت ارتباط با مشتري، دسته‌بندي، يادگيري ماشين، يادگيري دسته‌جمعي، دقت، گوناگوني