داده كاوي و تجارت الكترونيكي: تفاوت میان نسخه‌ها
بدون خلاصۀ ویرایش |
(←مراجع) |
||
| خط ۶۳: | خط ۶۳: | ||
== مراجع == | == مراجع == | ||
<ref>Balazs, J.D. Velásquez, Opinion Mining and Information Fusion: A Survey, Information Fusion (2015), doi: http://dx.doi.org/10.1016/j.inffus.2015.06.002</ref> | <ref>Balazs, J.D. Velásquez, Opinion Mining and Information Fusion: A Survey, Information Fusion (2015), doi: http://dx.doi.org/10.1016/j.inffus.2015.06.002</ref> | ||
<ref>Prajyoti Lopes, Bidisha Roy, Dynamic Recommendation System Using Web Usage Mining for E-commerce Users, Procedia Computer Science, Volume 45, 2015, Pages 60-69, ISSN 1877-0509, </ref> | |||
<ref>Rao, T.K.R.K.; Khan, S.A.; Begum, Z.; Divakar, C., "Design of E-commerce personalized service model based on web mining classification technique," in Computational Intelligence and Computing Research (ICCIC), 2013 IEEE International Conference on , vol., no., pp.1-4, 26-28 Dec. 2013 doi: 10.1109/ICCIC.2013.6724233</ref> | |||
<ref>Ali Sever, A problem of data mining in E-commerce, Applied Mathematics and Computation, Volume 217, Issue 24, 15 August 2011, Pages 9966-9970, ISSN 0096-3003, http://dx.doi.org/10.1016/j.amc.2011.04.057.</ref> | |||
نسخهٔ ۴ فوریهٔ ۲۰۱۶، ساعت ۱۳:۵۹
- موضوع: نقش داده كاوي در تجارت الكترونيك
حميد گرجي، دانشكده فناوري اطلاعات ، دانشگاه صنعتي اميركبير (پلي تكنيك) تهران، ايران ، بهمن ماه 1394
چکیده
اين مقاله به صورت اجمالي به بررسي برخي از حوزه‌هاي استفاده از داده‌كاوي در تجارت الكترونيك پرداخته و حوزه جديدي براي مطالعه را پيشنهاد مي‌نمايد .
مقدمه
داده كاوي به عنوان ابزار پيش بيني آينده با تكيه بر الگوهاي گذشته روز به روز محبوبيت بيشتري مي‌يابد. در اين راستا تجارت الكترونيك نيز از داده كاوي در كاوش حوزه هاي مختلفي بهره برده است. اين مقاله سعي دارد به صورت اجمالي به بررسي برخي از اين موارد پرداخته و حوزه جديد براي مطالعه را پيشنهاد نمايد .
بررسی ادبیات موضوع
1. تجارت الکترونیک
تجارت الکترونیک فرایند خرید، فروش یا تبادل محصولات، خدمات و اطلاعات از طریق شبکه‌های کامپیوتری و يا بر بستر اینترنت است.
2. داده كاوي
داده کاوی، پایگاه‌ها و مجموعه‌های حجیم داده‌ها را در پی کشف و استخراج دانش، مورد تحلیل و کند و کاوهای ماشینی (و نیمه‌ماشینی) قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع می‌توان همان امتداد و استمرار دانش کهن و همه جا گیر آمار دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، مدل‌سازی، و آموزش را طلب می‌نماید.
مروي بر مطالعات اين حوزه
هر چند زمينه‌هاي استفاده از داده‌كاوي، خصوصاً در حوزه تجارت الكترونيك بسيار گسترده است اما بر اساس مطالعات و تحقيقات صورت گرفته اين جانب مي‌توان اين حوزه كاربرد را در چند زمينه دسته‌بندي كرد كه برخي از اين زمينه‌ها عبارتند از :
1. نظر كاوي
نمونه مقاله : نظركاوي و ادغام اطلاعات
در سال‌هاي اخير علاقه به نظركاوي به دليل كاربردهاي زيادي كه دارد و چالش‌هاي علمي فراواني كه مطرح مي‌كند؛ به طور پيوسته در حال رشد بوده است . بر این اساس، منابع و تکنیک‌ها برای کمک به مقابله با این مشکل فراوانند و درصد قابل توجهي از آن‌ها به نحوي از نظركاوي بهره برده‌اند. هرچند كه ممكن است چهارچوب و يا قالب خاصي را دنبال نكرده باشند. ادغام اطلاعات زمينه‌اي است كه روش‌هاي تحقيقاتي كارآمدي را براي دريافت و تركيب اطلاعات از منابع مختلف و تبديل به يك ارائه يكپارچه مورد استفاده قرار مي‌دهد كه مي‌تواند در فرآيند نظركاوي مورد استفاده قرار گيرد. در اين مقاله، تاثير ادغام اطلاعات در حوزه نظركاوي مورد بررسي قرار گرفته است و نگاه كوتاهي نيز بر موراد زير داشته است : عمومي‌ترين روش‌هاي نظركاوي ، حوزه ادغام اطلاعات تعريف‌شده ، پيشنهاد يك چهارچوب عملكردي در فرآيند ادغام در سامانه نظركاوي و برخي روش‌هاي ادغام پياده‌سازي شده موفق. در واقع با خوانش و بررسي اين مقاله مي‌توان نتيجه گرفت كه آينده نظركاوي بر ايجاد منابع دانشي بهتر و عميق‌تر متكي است كه مي‌تواند با تركيب پايگاه‌هاي دانشي موجود مانند علم هستي‌شناسي و فرهنگ لغات فراهم گردد. با اين حال مطالعات كمي با كمك روش‌هاي جاافتاده، كاربردي و صريح صورت گرفته است. در واقع مطالعاتي كه گردآورندگان آن‌ها روش‌ها يا منابع لغوي متفاوتي را بدون پيروي از هيچ دستورالعمل استانداردي ادغام كرده‌اند رايجترين‌ها هستند. اما حتي اگر يك فرآيند ادغام از يك چهارچوپ سختگيرانه پيروي نكند؛ نتایج حاصل از استفاده مداوم از آن بهتر از استفاده نكردن از آن است. پس مي‌توان نتيجه گرفت كه هر دو نوع فرآيند مي‌توانند تا حد زيادي از يك روش مداوم‌‌تر و استانداردتر براي ادغام داده‌هاي وابسته به نظرات بهره ببرند و اين دليل مهم بودن دانشي است كه در حوزه ادغام اطلاعات حاصل مي‌شود. توسعه دانش ، در ادغام نرم براي مثال ، ادغام داده از منابع مختلف برخط مانند توئيتر و سايت‌هاي بررسي را تسهيل خواهد كرد و صحت و دسترس‌پذيري اطلاعات را افزايش خواهد داد كه به نوبه خود اجازه توليد سامانه‌هاي نظركاوي باكيفيت‌تري را خواهد داد. گذشته از اين، پيشرفت‌ها در ادغام داده‌هاي نرم با داده‌هاي سخت ، تركيب محتواي صوتي - تصويري با داده‌هاي متني را ممكن كرده و مرزهاي دانش در حوزه تحليل اطلاعات احساسات چندوجهي را پيش خواهد راند و به طور حتم استفاده از ادغام اطلاعات به طور مشترك با نظركاوي ، اجازه درك بهتري از تاثيرات هر جزء تركيبي در سامانه نهايي را خواهد داد. در حالي كه محققان را قادر مي‌سازد كه فرآيند ادغام را بهبود بخشيده و در نهايت اساس ايجاد سامانه‌هاي بهتري را پي‌ريزي كنند .
2. كاربرد كاوي
نمونه مقاله : سامانه‌ي توصيه پويا با استفاده از « كاوش كاربري وب » براي كاربران تجارت الكترونيك
سازمان‌هاي تجارت الكترونيكي در هر دو حوزه كسب و كار و داده در حال رشد نمايي هستند و بسياري از سازمان‌ها براي جذب مشتريان جديد و حفظ مشتريان موجود خود بر اين وب سايت‌ها تكيه دارند. به منظور دستيابي به اين هدف فايل‌هاي گزارش وبي كه الگوي دسترسي مشتريان را نگاه مي‌دارند ؛ مي‌توانند مورد استفاده قرار گيرند. با استفاده از روش‌هاي سنتي كاوش كاربري وب در يك شرايط بهبوديافته الگوهاي باارزش و دانش‌هاي مخفي مي‌توانند كشف شوند. اين مقاله بر فراهم كردن توصيه هاي زنده و پويا براي تمامي بازديدكنندگان وب سايت فارغ از ثبت بودن يا نبودن تمركز دارد. براي اين منظور، شيوه توصيه منطقي كنش‌گرا پيشنهاد شده است تا موجب استفاده از الگوي واژگاني براي توليد مورد توصيه گردد. اثربخشی سامانه پيشنهادي ، با جمع آوری داده‌های بي‌درنگ تجارت الکترونیکی و مقایسه سامانه با روش‌های کاربرمحور و محصول‌محور ، مورد ارزيابي قرار مي گيرد. نتايج ثابت مي‌كنند كه سامانه پيشنهادي دقت و كيفيت خوبي را نتيجه داده و محدوديت‌هاي سامانه توصيه سنتي را به حداقل مي‌رساند.
3. رفتار كاوي
نمونه مقاله : طراحي مدل خدمت تجارت الكترونيك سفارشي بر اساس روش دسته بندي وب كاوي
شیوه زندگی نوين بشر و رشد فناوري منجر به پیچیدگی در شیوه زندگی مي‌شود و در نتيجه این محیط و شیوه زندگی خواستار سفارشی‌سازی خدمات به ویژه در عادات خرید مي‌شود. فناوري داده‌كاوي وب مي‌تواند به وسيله سازمان‌هاي تجارت الكترونيك براي ارائه راهكارهاي تجارت الكترونيك سفارشي به كاربرده شود تا نيازهاي كاربران را بهتر برآورده سازد. شخصي‌سازي وب يك ابزار مهم است كه براي سازمان‌هاي تجارت الكترونيك مزاياي رقابتي مهمي را با كاهش سربار اطلاعاتي و ايجاد وفاداري مشتري فراهم مي‌آورد. اين مقاله مدل خدمات تجارت الكترونيك سفارشي را با استفاده از روش دسته‌بندي داده‌كاوي وب و داده‌هاي تراكنشي توصيف مي‌كند. مدل ساخته‌شده ، ایده طراحی اولیه و عملکردهاي داده های تراکنشی را با جزئيات توصيف مي‌كند. اين مدل ، يك ارزش اساسي و مرجع نظري خاص را فراهم مي‌كند كه مي‌تواند يك بستر خدمت تجارت الكترونيك سفارشي حقيقي را ايجاد كند. دسته‌بندي براي گروه‌بندي مشتريان بر اساس سلايق آن‌ها و ويژگي‌هاي جمعيتي مختلف مورد استفاده قرار مي‌گيرد.
مشكلات اين حوزه
نمونه مقاله : بررسي يك مشكل داده كاوي در حوزه تجارت الكترونيك
داده‌کاوی به طور کلی به عنوان علم استخراج معني‌دار اطلاعات ضمنی، قبلا ناشناخته و بالقوه مفید از مجموعه داده‌هاي تعریف شده است. وب سايت‌هاي بسياري در اينترنت وجود دارند كه اطلاعات وسيعي درباره‌ي محصولات فراهم مي‌آورد و به كاربران اجازه مي‌دهد نظراتشان را بر محصولات گوناگون پست كرده و آن‌ها در مقياس 1 تا 5 رتبه‌دهي كنند. در طول دهه گذشته احتياج به الگوريتم‌هاي هوشمند براي محاسبه و سازماندهي مجموعه‌هاي به شدت بزرگ داده رشد نمايي داشته است. در این مقاله به بررسی اين که تا چه حد میانگین امتیازدهي کاربران به یک محصول را با استفاده از یک زیر مجموعه قابل مديريت از یک مجموعه داده می‌توان پیش بینی نمود، مي‌پردازيم. برای این منظور ما از یک مدل پیش بینی خطی-الگوریتمي استفاده مي‌كنيم و اين كه چگونه یک مشکل معکوس مي‌تواند فرمول‌بندی شود تا يك تابع نوسانات محلی صاف از رتبه بندی کاربران توليد كند را طراحي مي‌كنيم. اجراي الگوریتم پیشنهادی نشان می‌دهد که اين روش به طرز خردمندانه‌اي برای بازسازی نوسانات پیش بینی کاربران در هر دو مورد پیش‌بینی‌هاي کاربر و حساسیت محاسباتي مفيد و دقيق است. اگر مدل مورد استفاده برای شناسایی رتبه‌دهي کاربران به طور مناسبي وابستگی‌هاي داخلي داده‌ها را توصيف كند؛ نتایج بسیار بهتري می توان به دست آورد. این کار به هیچ وجه شامل روش مورد بحث در اینجا نمي‌باشد. يك نفر به طور كلي مي‌تواند كار بسيار دقيق‌تري براي اثربخشي آمار انجام دهد. علاوه بر این، يك نفر باید اين كه روشش چقدر نسبت به میزان متوسطی از نوسانات حساس است را پاسخ دهد.
جمع بندي و نتيجه‌گيري
با بررسي پروژه‌ها و زمينه‌هايي كه داده‌كاوي در تجارت الكترونيك مورد استفاده قرار گرفته است مي‌توان نتيجه گرفت كه بيشتر اقدامات انجام گرفته بر كاوش فعاليت‌هاي كاربران تمركز دارد . حال اين كه مي‌توان داده‌كاوي در حوزه‌هاي ديگري نظير اطلاعات فروش به كار گرفت كه موجب بهبود در اين حوزه خواهد شد.
مراجع
- ↑ Balazs, J.D. Velásquez, Opinion Mining and Information Fusion: A Survey, Information Fusion (2015), doi: http://dx.doi.org/10.1016/j.inffus.2015.06.002
- ↑ Prajyoti Lopes, Bidisha Roy, Dynamic Recommendation System Using Web Usage Mining for E-commerce Users, Procedia Computer Science, Volume 45, 2015, Pages 60-69, ISSN 1877-0509,
- ↑ Rao, T.K.R.K.; Khan, S.A.; Begum, Z.; Divakar, C., "Design of E-commerce personalized service model based on web mining classification technique," in Computational Intelligence and Computing Research (ICCIC), 2013 IEEE International Conference on , vol., no., pp.1-4, 26-28 Dec. 2013 doi: 10.1109/ICCIC.2013.6724233
- ↑ Ali Sever, A problem of data mining in E-commerce, Applied Mathematics and Computation, Volume 217, Issue 24, 15 August 2011, Pages 9966-9970, ISSN 0096-3003, http://dx.doi.org/10.1016/j.amc.2011.04.057.