حذف فیلد هایی که دارای مقادیر Null زیاد بوده و یا مقادیری برای آنها وجود ندارد:

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

در جدول اطلاعات فروش فیلد های زیر به علت مقایر Null زیاد حذف شدند:
تخفیف – Discount
هزینه های اضافی – Addition-Cost
هزینه واحد – unit-Cost
در جدول اطلاعات مشتری فیلد های زیر به علت مقایر Null زیاد حذف شدند:
جنسیت، از آنجایی که بیشتر مشتریان این شرکت را مشتریان حقوقی تشکیل می دادند. این فیلد دارای مقادیر Null بسیاری بود.
در جدول اطلاعات مشتریان، نوع مشتری اعم از حقیقی و حقوقی نیز وجود دارد که در بعضی از موارد مشتریان حقوقی با نوع حقیقی تعریف شده بودند، که تناقضات موجود بر طرف شد.
نرمال سازی داده ها:
تفاوت مقیاس ها در متغیر های مختلف، نتایج داده کاوی را در جهات متفاوتی تحت تاثیر قرار می دهد. برای کاهش تاثیر این نکته در نتایج داده کاوی به نرمال سازی داده پرداخته می شود. در فصل سوم به صورت کامل روش های متداول نرمال سازی داده بیان شد. دراین مطالعه برای نرمال سازی داده ها از روش امتیاز Z با رابطه زیر استفاده شده است. پس از اعمال این رابطه به روی داده ها، داده های موجود در پایگاه داده به صورت یکپارچه ذخیره شده اند. [۳۳]
کاهش بعد:
در دنیای واقعی، معمولا داده به ندرت به منظور داده کاوی جمع آوری می شوند. در چنین مواردی معمولا با حجم عظیمی از داده ها روبه رو شده و به دنبال استفاده از آنها برای کاربرد خاص می باشیم. بنابراین کاهش بعد یکی از افدامات مورد نیاز است. ساخت، استخراج و انتخاب مشخصه ها، از رویکرد های کارآمد برای کاهش داده
می باشد. در این مطالعه با بهره گرفتن از رفتار مشاهده شده مشتری در گذشته متغیر های پیش بینی برای شناسایی مشتریان رویگردان انتخاب شده است که در ادامه به بررسی آنها پرداخته می شود. [۴۰]
۵٫۴ . متغیرهای پیش بینی در این مطالعه
در این قسمت متغیر های پیش بینی که در این مطالعه مورد استفاده قرار گرفته است به تفضیل شرح داده
می شود. قبل از بررسی تشریحی هر کدام از این متغیر ها، لیست آن در جدول شماره ۱٫۵٫۴ نشان داده شده است.
جدول شماره ۱٫۵٫۴٫ متغیر های پیش بینی

نام متغیر

نشان

شرح

تناوب خرید

Frequency

تعداد دفعات مراجعه مشتری به سازمان، این شاخص به ایجاد تمایز بین مشتریان وفادار و رویگردان بسیار کمک می کند.

طول ارتباط فعال مشتری با سازمان

Length of Relationship

مدت زمانی که مشتری ارتباط خود را با سازمان آغاز کرده است. این مقدار با احتمال پایداری رابطه مشتری با سازمان در ارتباط می باشد.

تناوب خرید نسبی

Relative – Frequency

این مقدار معادل نسبت تناوب خرید به عمر فعال مشتری می باشد.
rF =

متوسط فاصله زمانی بین خرید

Interpurchase Time

متوسط زمان سپری شده بین خرید های متوالی مشتریان.

واریانس فاصله زمانی بین خرید

به منظور در نظر گرفتن نظم رفتاری مراجعان به سازمان و بررسی پراکندگی داده ها حول میانگین.

مثبت

منفی

مثبت اشتباه

منفی

واقعی

منفی اشتباه

مثبت

عناصر روی قطر فرعی این ماتریس، مقادیر منفی اشتباه و مثبت اشتباه را نشان می دهد. نرخ خطای کلی از
حاصل جمع این دو مقدار خطا بر کل تعداد رکورد ها به دست می آید:
نرخ خطا = ( مثبت استباه + منفی اشتباه ) / تعداد کل رکورد ها [۳۸]
نمودار های Lift و Gain :
نمودار های lift و gain، متد های اعتبار سنجی گرافیکی از تخمین و مقایسه کارایی مدل های دسته بندی هستند. Lift مفهومی از حوزه بازاریابی است که به مقایسه نرخ پاسخ مشتریان، با و بدون استفاده از یک مدل
دسته بندی اختصاص دارد. به عنوان مثال فرض کنید متغیر میزان توصیه به دیگران مبنای دسته بندی مشتریان رویگردان باشد که مقدار صفر آن به عنوان رویگردانی و مقدار یک آن به عنوان عدم رویگردانی فرض شود. حال نرخ lift برای این درخت با عمق یک به صورت زیر محاسبه می شود:
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

Lift = نرخ رویگردانی در میان مشتریانی که میزان توصیه به دیگران آنها صفر است / نرخ رویگردانی کل مشتریان
Lift تابعی از اندازه نمونه است. زمانی که Lift محاسبه می شود، نرم افزار ابتدا رکورد ها را بر اساس احتمال اینکه آنها به عنوان مثبت دسته بندی شوند، مرتب می کند. پس از آن lift به ازای درصد مختلف اندازه نمونه با این ترتیب رسم می شود. مقادیر این نرخ ار چپ به راست کاهش یافته و در ۱۰۰% اندازه نمونه به مقدار یک می رسد. هرجه این نرخ بالاتر باشد بیانگر دقت بهتر مدل دسته بندی است. به طور شهودی نرخ چگالی در ۱۰% بالای جامعه بایستی بیشتر از دو برابر این نرخ در کل جامعه باشد. [۳۹] نمودار های lift معمولا در شکل تجمعی نشان داده می شوند که اصطلاحا به این فرم نمودار gain گفته می شود. خط قطری کشیده شده در نمودار gain برابر با محور افقی lift=1 در نمودار lift است. معمولا نمودار های gain به آرامی از این خط قطری فاصله گرفته و نموداری منحنی شکل را در بالای قطر اصلی تا رسیدن دوباره به آن طی می کنند. نمودار های Lift و gain معمولا به صورت گسترده ای برای مقایسه عملکرد و کارایی مدل ها به کار می رود. [۳۸]
نمودار ROC:
معیار ROC بر اساس مقایسه کلاس پیش بینی شده با کلاس واقعی کار می کند. در واقع ROC عملکرد یک کلاس مشخص را با در نظر گرفتن رنجی از حد آستانه ممکن بررسی می کند. بر این اساس چهار پارامتر زیر تعریف می شوند:
TP: تعداد عناصر مثبتی که به درستی تعریف شده اند. (مثبت درست)
FP: تعداد عناصر منفی که به اشتباه به عنوان مثبت کلاس بندی شده اند. (مثبت اشتباه)
FN: تعداد عناصر مثبتی که به اشتباه به عنوان منفی کلاس بندی شده اند. (منفی اشتباه)
TN: تعداد عناصر منفی که به درستی منفی پیش بینی شده اند. (منفی درست)
دو شاخص حساسیت^[۷۷] و تشخیص^[۷۸] بر اساس این پارامتر ها تعریف می شوند:
این دو شاخص به ترتیب بیانگر دقت مدل در تشخیص مقادیر مثبت و منفی هستند. به عنوان مثال نرخ حساسیت بیانگر آن است که جند درصد از اعضای واقعا مثبت توسط مدل پیش بینی کننده شناسایی شده اند. این مقادیر وقتی که حد آستانه تغییر می کند تغییر می یابند. منحنی ROC یک نمودار دو بعدی از حساسیت بر حسب ۱- تشخیص است. این معیار برای بررسی عملکرد یک سیستم کلاس بندی باینری و مقایسه مدل های مختلف بر این اساس به کار می رود. [۳۸]
۶٫۲٫۳ . استقرار
در این مرحله سود حاصل از سرمایه گذاری انجام شده در مراحل قبلی به دست می آید. تمرکز این فاز روی یکپارچه سازی دانش در فرایند های کاری کسب و کار به گونه ای است که مسائل اساسی کسب و کار حل شوند. این مرحله شامل فعالیت های زیر می باشد:
اجرای برنامه
در این مرحله با بهره گرفتن از نتایج حاصل از فاز ارزیابی، استراتژی مناسب برای برای استقرار برنامه ریزی می شود.
خروجی این فاز:
برنامه اجرا^[۷۹]: خلاصه ای از فعالیت های انجام شده در این مرحله، در این سند مشخص می شود.
آماده سازی گزارش نهایی
در این مرحله بر اساس نتایج برنامه اجرا در بخش قبل، گزارش نهایی پروژه ایجاد می شود. این گزارش ممکن است شامل خلاصه ای از روند اجرای پروژه و تجربیات به دست آمده یا گزارش جامعی ار نتایج داده کاوی باشد.
شکل شماره ۱٫۶٫۲٫۳٫ مرحله استقرار
ذکر این نکته ضروری است که هر سازمان بسته به زیرساخت های خود بر روی تعدادی از مراحل و زیرمرحله ها تمرکز بیشتری داشته باشد. در نتیجه مرور فرایند بالا مشخص شد که آنالیز داده ها تنها مجموعه ای از تکنیک ها و روش های محاسباتی و ریاضی نیست. بلکه یک فرایند منسجم و یکپارچه بوده که با شناسایی اهداف و نیازهای فضای کسب و کار – فاز اول- آغاز می شود. سپس به تناسب نیازهای مورد نظر، داده ها جمع آوری و آماده سازی – فازهای دوم و سوم – می شوند. سپس آنالیز روی داده ها بسته به کاربردهای مورد نظر – فاز چهارم- انجام می گردد. در فاز پنجم نتایج آنالیزهای انجام شده مورد ارزیابی و اعتبارسنجی قرار می گیرند. در نهایت در فاز ششم، دانش و نتایج بدست آمده در فرایند های کسب و کار جهت بهبود و نیل به اهداف فاز اول به کار گرفته می شود.
۳٫۳ . سرانجام فصل
با توجه به مرور ادبیات موضوع رویگردانی مشتری در فصل دوم، در این فصل مراحل روش پیشنهادی مورد استفاده در این تحقیق به صورت عام بیان شد. در ابتدا شیوه طراحی و جمع آوری داده ها و مرحله آماده سازی شامل پاک سازی و نرمال سازی داده ها بیان شده و در ادامه با مروری بر کاربرد های روش های مختلف داده کاوی در برسی رویگردانی مشتری اقدام به مقایسه آنها از جنبه های گوناگون شده است. سپس به بیان روش های اعتبار سنجی مدل به دست آمده پرداخته شد. در طی فصل آتی رویکرد مورد استفاده در این تحقیق، دلایل استفاده از آن، جزئیات فرایند اجرای تحقیق و شیوه اعتبار سنجی مورد استفاده به تفضیل شرح خواهد شد.
فصل چهارم : معماری مدل رویگردانی
۱٫۴٫ سرآغاز فصل
هر سازمان به طور عام و شرکت پخش و توزیع ارومیه به عنوان یکی از شرکت های تابع گروه صنایع غذایی سولیکو به طور خاص، به مشتریان خود وابسته است و باید نیازهای حال و آینده آنان را درک نماید و نیازمندی‌های مشتریان خود را برآورده سازد. علاوه بر این سازمان باید برای عبور از انتظارات مشتریان خود و حفظ موقعیت خود در بازار رقابتی امروز، برنامه ریزی و تلاش نماید. تمرکز بر مشتری و درک نیازهای او باعث پاسخگویی منعطف و سریع سازمان به فرصت‌های بازار و در نتیجه افزایش سود سهام و سهم بازار برای سازمان خواهد شد. در نتیجه رضایت مشتریان با افزایش اثر بخشی به

۳۱
۱٫۱٫۴٫۲٫۳ خلاصه ای از نتایج ورهوف و دانکرز ۳۲
۲٫۱٫۴٫۲٫۳ خلاصه ای از نتایج هادن و همکاران ۳۲
۳٫۱٫۴٫۲٫۳ مرسوم ترین روش ها در فاصله سال های ۲۰۰۵ تا ۲۰۱۰ ۳۳
۳۵
۴۰
فصل چهارم : معماری مدل رویگردانی مشتریان ۴۱
۴۳
۴۵
۴۷
۴۷
۵۹
۵۹
۶۳
۶۴
۶۵
۶۷
۶۷
۶٫۸٫۴ اهمیت متغیر های پیش بینی حاصل از نرم افزارRM ۶۸
۱٫۱۰٫۴ مدل ترکیبی تشخیص ریسک رویگردانی ۷۱
۱٫۱۱٫۴ مودار توزیع مربع کای برای جنگل تصادفی ۷۴

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۲٫۱۱٫۴ نمودار توزیع مربع کای برای درخت های فزاینده ۷۴
۳٫۱۱٫۴ نمودار توزیع مربع کای برای مدل ترکیبی ۷۵
فصل اول : کلیات تحقیق
۱٫۱ . مقدمه
انقلاب اطلاعاتی دهه‌ های اخیر با تحت تاثیر قرار دادن جنبه‌های مهمی از زندگی بشر، مفاهیم زیادی را متحول ساخته است. یکی از این تحولات در دنیای تجارت و نیز سازمان‌هایی است که از اطلاعات به صورت راهبردی بهره می‌برند. گشترش حوزه‌های تجاری از مناطق محدود به مناطق نامحدود از طریق اینترنت در واقع زمینه ساز ظهور پدیده تجارت الکترونیکی بوده است. سرعت رشد تجارت الکترونیکی به نحوی است که با گذشت زمان اندکی، حجم زیادی از مبادلات کالا را از آن خود کرده است و با سرعت زیادی در حال افزایش است. این تحولات در پردازش و انتقال اطلاعات، نه تنها موجب تغییر در روش انجام مبادلات تجاری شده بلکه، با تغییر اصول حاکم بر تجارت موجب گردیده معیارهای جدیدی برای موفقیت سازمان ها مطرح شوند.
دلایلی چون حذف و یا کاهش موانع ورود به دنیای تجارت الکترونیکی، افزایش قدرت مشتریان در شناسایی و انتخاب محصولات، دسترسی سریع آنان به حجم وسیع اطلاعات، موجب گردیده که عوامل برتری و موفقیت در شیوه‌های سنتی تجارت، کارایی خود را در از دست بدهند. این تحول، موجب شده، اطلاعات و نیز دسترسی به موقع به آن به عنوان کلیدی ترین ابزار قدرت در دنیای رقابت عامل حذف یا بقای یک سازمان تجاری محسوب شود. در نتیجه این تغییرات
مزیت‌های اقتصادی و عوامل شکست و موفقیت سازمان‌های تجاری نیز تغییر یافته است.
مزیت رقابتی ماندگاری سازمان‌های تجاری، جای خود را از قیمت فروش محصولات به عامل مدیریت ارتباط با مشتری داده است. بقا و تداوم حیات شرکت‌ها در گرو شناسایی و جذب مشتریان جدید و حفظ مشتریان موجود می‌باشد. در نتیجه دستیابی به مشتریان وفادار و حفظ آنان، از اهمیت بسیار بیشتری برخوردار است. از آنجا که جذب مشتریان جدید، ایجاد رابطه مناسب با مشتریان، تلاش در حفظ مشتریان فعلی و شناخت نیازهای آنان از مهمترین مزایای رقابتی محسوب می‌گردند، هر سازمان تجاری که قادر به انجام این مهم نباشد محکوم به شکست است. لذا برای هر سازمان تجاری، مدیریت ارتباط با مشتری ارزش حیاتی دارد. بنا به این دلیل سیاست همه سازمان‌ها اعم از تجاری و غیر تجاری در جهت مشتری محوری تغییر کرده است. لذا اصلی ترین عامل موفقیت یک سازمان تجاری، ایجاد روابط مستحکم با مشتریان است.
در تجارت الکترونیکی، عامل بقای یک سازمان، مشتری‌های آن محسوب می‌شوند لذا هر سازمان تجاری تمام توان خود را برای ایجاد رابطه مناسب با آنان به کار بسته و از تمامی امکانات خود برای افزایش رضایت مشتریان موجود، برطرف کردن عوامل عدم رضایت مشتریان و جذب مشتریان جدید استفاده می‌کند.
در کشور ایران، به دلیل فراهم شدن زیر ساخت‌های مناسب برای معاملات اینترنتی و یا خرید های تحت شبکه ای در سال های اخیر موج جدیدی از مشتریان بالفعل و بالقوه تشکیل شده اند. از این رو ارائه تحلیل مناسب و تدوین استراتژی هماهنگ با نیازهای مشتریان در جهت حداکثر جذب و حداقل دفع مشتری بیش از هر زمان دیگر از اهمیت برخوردار می‌گردد. به همین دلیل استفاده از ابزار، تکنیک ها و سیستم های جدید به منظور مدیریت بهتر روابط با مشتری امری الزامی به نظر می‌رسد.
یکی از تکنیک ها ی مطرح در دهه های اخیر، در جهت حفظ مشتریان، استفاده از ابزار داده کاوی برای تحلیل بهتر مشتریان و شناسایی نیازهای بالفعل و بالقوه آنهاست، سازمان می تواند از داده کاوی برای تحلیل پایگاه اطلاعاتی مشتریان و توسعه پروفایل آماری از ترجیحات آنها برای محصول یا خدمات استفاده نماید. به وسیله پیشنهاد این محصولات و خدمات،
بر اساس نیاز واقعی مشتریان، در هزینه ترفیعات، تبلیغات و پیشنهاداتی که در غیر این صورت غیر سود آور می‌بودند
صرفه جویی می‌کند.
مدیران سازمان نیازمند این هستند تا بر روی مشتریانشان تمرکز نمایند که این امر از طریق یادگیری بیشتر در رابطه با آنها مقدور می‌شود. با آشکار شدن الگوی رفتاری مشتریان، سودآوری هر کدام از آنها مشخص شده و سازمان
می تواند کسب و کار خود را را با استفاده پیشنهاد خدمات و محصولات جدید برای هر کدام از مشتریان توسعه دهد. سازمان با بررسی الگوی هر کدام از مشتریان قادر خواهد بود نیازمندی‌های هر کدام از مشتریان را مشخص ساخته و با تبیین این الگوی رفتاری، استراتژی‌های مناسبی را برای نگاهداشت آنها اتخاذ نماید. از این رو داشتن مدل مناسبی برای تحلیل و بررسی الگوی رفتاری مشتریان از اهمیت بالایی برخوردار خواهد بود.
۲٫۱ . هدف تحقیق
مجموعه‌ی داده‌های موجود در شرکت‌های تجاری همواره و در طول دو دهه گذشته به سرعت رشد کرده اند. با افزایش رشد محسوس مجموعه داده‌ها، نیاز به تجزیه و تحلیل های پیچیده تر و سریعتر برای استخراج اطلاعات با کیفیت بیشتر نیز افزایش یافته است. علاوه بر این در دنیای پویا و رقابتی تجاری امروز، تاکید بیشتری بر استفاده سازمانی گسترده از اطلاعات تدوین شده و فرموله کردن تصمیمات وجود دارد. افزایش فعالیت های درون سازمانی که نیاز به تجزیه و
تحلیل های پیچیده دارد، روش های قدیمی تحلیل و جمع آوری داده‌ها را به چالش کشیده است.
در حین افزایش حجم داده‌ها، تنوع نرم افزارها و سیستم‌های کامپیوتری که در سازمان‌ها استفاده می‌شود نیز افزایش یافته است. علاوه بر این در سازمان‌های هولدینگ نیز بخش‌های مختلفی وجود دارد که برای پشتیبانی نیازهای داده ای خود، سیستم های مختص به خودشان را دارند. برای مثال در داخل یک سازمان، سیستم های جداگانه ای برای واحد فروش، واحد حسابداری و واحد اداری وجود دارد. هر بخش نرم افزارهای جداگانه ای دارد و انواع مختلفی از داده‌ها را جمع‌ آوری می‌کند و در نتیجه به پایگاه داده‌های خود وابستگی بسیاری دارند. در چنین سازمانی با وجود ساختار های
داده ای ناهمگون از بخش‌های مختلف، تجزیه و تحلیل اطلاعات در سراسر سازمان دشوار خواهد بود. از طرفی دسترسی و برقراری ارتباط به هریک از این سیستم های توزیع شده و خود مختار برای یک مدیر اجرایی غیر ممکن و پیچیده است. بنابراین با توجه به گرایش کاربران تجاری به دسترسی اطلاعات از سراسر سازمان برای تصمیم گیری، چارچوب جدیدی برای سازماندهی اطلاعات شرکت‌های بزرگ مورد نیاز است. این چارچوب جدید تصمیم گیری را برای تحلیلگران تجاری که وظیفه تجزیه و تحلیل اطلاعات از سراسر بخش‌های مختلف داخل سازمان را به عهده دارند، تسهیل می‌بخشد.
بنابراین با توجه به تغییرات سریع فضای کسب و کار مدیران ارشد سازمانها باید در زمان های کوتاه تصمیم های بنیادی بگیرند و سازمانها باید بتوانند در هر لحظه تصمیمات استراتژیک را به مرحله اجرا در آورند برای رسیدن به این مهم
داشتن اطلاعات دقیق، سالم و لحظه ای از ابزارهای اصلی تصمیم سازی مدیران است. از طرفی روند تشدید رقابت و کاهش نرخ وفادارای مشتریان باعث شده است که استراتژی سازمان از رویکرد محصول محوری به نگرش مشتری محوری و در واقع نگرش از بیرون به درون تغییر یابد. برای پیشبرد این هدف درک نیاز های مشتری و نه تمرکز بر مشخصات محصول اهمیت دارد. در چنین حالتی با تغییر این استراتژی، شناخت الگوی رفتار مشتری از اهمیت ویژه ای برخوردار می شود. که در نهایت به درک ساز و کار های کسب سود بیشتر از ناحیه مشتریان و حفظ گروه های سود آور می انجامد.
در این پروژه بر اساس طول عمر ارزش مشتری و مولفه های مدل RFM، سیستم خبره ای طراحی می شود که مشتریان را در نهایت به دو دسته مانا و غیر ماندگار بخش بندی می نماید.
۳٫۱ . ضرورت تحقیق
در دنیای امروز، اطلاعات در تمامی ابعاد از ارزش بالایی برخوردار می باشند؛ ابعادی همچون نحوه جمع آوری، روایی و پایایی، نحوه نگهداری و نحوه تحلیل اطلاعات به منظور استفاده کاربردی. امروزه اکثر صنایع به ویژه صنایع قیر قراردادی، که مراجعه مشتری به آنان دارای پراکندگی زمانی بسیاری می باشد، برای بررسی دقیق رفتار مشتریان خود از تکنیک ها و ابزار
داده کاوی استفاده می نمایند. این امر موجب به دست آوردن اطلاعات دقیق‌تر شده که در نهایت منجر به ارائه سرویس و محصولات مطلوب به مشتری می گردد؛ علاوه بر این بررسی رفتار مشتری، می تواند به شناسایی جذب مشتریان جدید با صفات مشترک نیز کمک کرده و به جلوگیری از هزینه های تبلیعاتی گسترده بپردازد. به همین دلیل در این تحقیق سعی شده است تا با بهره گرفتن از متدلوژی استاندارد CRISP-DM و همچنین با تحلیل صحیح نیاز های مشتریان در
دسته بندی های مختلف، مدلی برای شناسایی مشتریان رویگردان برای گروه صنایع غذایی سولیکو – شرکت پخش و توزیع ارومیه – پیش بینی شود.
با توجه به این که در این پایان نامه قصد بر آن است که با بهره گرفتن از الگوریتم های داده کاوی، الگوی رفتاری مشتریان را تحلیل نمود. این پژوهش فاقد فرضیه می باشد. به طور کلی اهداف اصلی در انجام این تحقیق عبارت است از :
شناسایی مشتریان با ارزش گروه با بهره گرفتن از معیار های مدل ارزش طول مشتری

پیاده­سازی سریع و آسان
اجرای سریع و آسان

جمع­آوری اطلاعات
مسئله پراکندگی
ارائه پیشنهادهای عمومی
مسئله کاربر غیرعادی
عدم انعطاف پذیری

روش­های مبتنی بر دانش

روش مبتنی بر دانش

با اکتشاف نیازهای صریح کاربران و دانش عمیق درباره حوزه­ آیتم­ها، به ارائه پیشنهاد می­پردازند.

عدم نیاز به جمع­آوری اطلاعات کاربر
عدم وجود مسئله پراکندگی
مناسب برای اکتشافات اتفاقی

قابلیت اطمینان بالا
عدم وجود مسئله کاربر غیرعادی
کارایی بالا باوجود دانش اندک
پاسخ سریع به کاربر در صورت تغییر ارجحیت­های کاربر

نیاز به کسب دانش
مشکل با تعداد آیتم­های بالا
وابستگی کیفیت پیشنهادها به کیفیت دانش کسب شده

روش مبتنی بر سودمندی

پیشنهادهایی بر اساس سودمندی هر شی برای کاربر ایجاد می­ کند.

عدم وجود مسئله پراکندگی
مشارکت فاکتورهای کیفی در ارزش ­گذاری آیتم
پاسخ سریع به کاربر در صورت تغییر ارجحیت­های کاربر

انعطاف­پذیری کم

روش­های ترکیبی

مبتنی بر ترکیب روش­های ذکر شده

استفاده از مزایای یک روش برای غلبه بر معایب روش­های دیگر
بهبود عملکرد سیستم­های پیشنهاد دهنده
ارائه پیشنهادهای با کیفیت بیشتر

هدف سرویس­های توصیه­گر کمک به کاربران برای یافتن آنچه که به دنبال آن هستند به آسانی و بدون صرف زمان و تلاش زیاد می­باشد. بر اساس موارد بیان شده روش­های گوناگون برای توصیه­گری شامل روش­های مبتنی بر محتوا، مشارکتی و دانش­محور [۳۳] می­باشد. روش محتوا محور اطلاعات را بر اساس رفتار گذشته کاربر تحلیل می­ کند و روش مشارکتی آیتم­ها را بر اساس پیشنهاد کاربران دیگر، پالایش و توصیه می­ کند. روش پالایش مشارکتی که به عنوان نمونه برای سایت آمازون برای پیشنهاد کتاب به کار برده می­ شود، به دلیل وجود جامعه کاربری بسیار بزرگ و بر اساس این ایده که کاربرانی که آیتم­های مشابهی را در گذشته انتخاب کردند دارای سلیقه مشابه در مورد دیگر آیتم ها نیز می­باشند به ارائه پیشنهاد می ­پردازد اما زمانی که پیشنهاد برای سفر و گردشگری باشد، با مشکل نبود جزییات و اطلاعات در مورد سابقه ترجیحات و علاقه ­مندی و انتخاب در مورد اکثر کاربران مواجه خواهیم شد. به علاوه در یک محیط جغرافیایی مشخص، جامعه کاربری بزرگ وجود نخواهد داشت. با توجه به اینکه روش­هایی که به تاریخچه انتخاب­ها و یا محصولات مورد علاقه برای ارائه پیشنهاد نیازمندند در نتیجه برای آیتم­هایی با تواتر خرید پایین نامناسب می­باشند [۳۴].
بعضی از اقلام به گونه ­ای هستند که به طور منظم خریداری نمی­شوند مانند خدمات مالی، ماشین، ابزار الکترونیکی و همچنین خدمات گردشگری. در اینگونه موارد سیستم­های توصیه­گر دانش مبنا برای درک بیشتر خواسته­ی کاربر برای پیشنهاد اقلام مفید و صحیح به وی بکار برده می­ شود. سیستم مبتنی بر شرط یکی از روش­های دانش مبناست که در زمینه گردشگری بکار برده می­ شود این سیستم­ها متکی بر قیود^[۱۱]و ترجیحات کاربر هستند که می ­تواند به طور مستقیم از کاربر در شروع استفاده از برنامه کاربردی بدست آید [۳۲].
بنابراین با توجه به مسائل و مشکلاتی که در سیستم­های توصیه­گر مبتنی بر یادگیری بررسی شد. در این پایان نامه از سیستم توصیه­گر مبتنی بر شرط برای ارائه پیشنهاد به کاربر استفاده می­ شود.

فصل سوم

حسابگری بافت­آگاه

مقدمه

هنگامی که انسان­ها با هم ارتباط برقرار می­ کنند وضیعت محیطی و شرایط خاص زمان محاوره که به آن بافت گفته می­ شود، در شکل­ گیری و نحوه­ اداکردن کلمات و اصطلاحات و نیز تفسیر آنها تاثیر می­ گذارد [۱۸].

(۳-۹)

و T_F دوره زمانی پایه ولتاژ خروجی اینورتر می باشد. می توان از معادله (۳-۹) مشاهده کرد که=۰ δ برایv_off = ۰ و با بهره گرفتن از این، معادله (۳-۸) مقدار متوسط صفر را برای جریان نقطه خنثی در طول یک دوره خروجی پایه نتیجه می دهد. مقدار غیر صفر متوسط جریان نقطه خنثی می تواند با بهره گرفتن از یک مقدار غیر صفر از v_off بدست آید، که می تواند برای کنترل ولتاژ نقطه خنثی مورد استفاده قرار گیرد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

روش PWM براساس بردار فضایی برای تجزیه و تحلیل جریان نقطه خنثی

روش PWM براساس حامل، به دلیل پیاده سازی آسان تر نسبت به PWMبردار فضایی محبوب تر است؛ اما PWM بردار فضایی به صورت کلی دید عمیق تری بر روی اینورتر می دهد. اینورتر به عنوان یک واحد سه فاز در روش بردار فضایی به جای سه واحد تک فاز قرار می گیرد. همین رویکرد از بردار فضایی را می توان برای تجزیه و تحلیل جریان نقطه خنثی مورد استفاده قرار داد.
بردارهای فضایی مختلف توسط حالات مختلف سوئیچینگ تحقق می یابد. می توان از شکل (۳-۴) مشاهده نمود که چند بردار فضایی را می توان توسط یک یا بیش از یک حالت سوئیچینگ ایجاد نمود. با این حال، آنها به جریان های مختلف نقطه خنثی کمک می کنند. بعنوان مثال، اگر ما یک بردار فضایی را درنظر بگیریم که می تواند توسط هم (+ ۰ ۰) و یا (۰ – -) تحقق یابد ، جریان نقطه خنثی تولید شده توسط دو حالت مختلف سوئیچینگ متفاوت می باشد. برای (+ ۰ ۰)، فاز b و c به نقطه خنثی متصل شده، به طوری که جریان نقطه خنثی برابر است با مجموع جریان های فاز b و c :

(۳-۱۰)

از سوی دیگر، برای حالت کلیدزنی (۰ – -) ، فاز a به نقطه خنثی متصل می شود که جریان نقطه خنثی بصورت زیر بدست می آید:

(۳-۱۱)

به طور مشابه، جریان نقطه خنثی می تواند برای سوئیچینگ های مختلف یافت شود و آن در شکل (۳-۴) نشان داده شده است. جریان های نقطه خنثی متناظر با حالت های سوئیچینگ در یک براکت در کنار نشان داده شده است. متوسط جریان نقطه خنثی ​​در طی یک دوره سوئیچینگ می تواند توسط اضافه کردن زمان های ماندگاری تعداد حالات سوئیچینگ به جریان نقطه خنثی محاسبه شود که با بهره گرفتن از این حالت های سوئیچینگ تولید می شود. زمان ماندگاری حالات سوئیچینگ بستگی به موقعیت بردار مرجع در دیاگرام بردار فضایی و دامنه آن دارد. اگر یک ششم دایره از دیاگرام بردار فضایی در نظر گرفته شود، می توان آن را به شش زیر بخش تقسیم نمود، همانطور که در شکل (۳-۵) نشان داده شده است.
شکل ‏۳‑۴: جریان نقطه خنثی با توجه به حالات مختلف سوئیچینگ.
بردار های مختلف در یک ششم دایره همچنین در شکل (۳-۵) مشخص شده اند. متغیرهای V_S0 و V_S1 نشان دهنده بردار کوچک با دو حالت زائد (اضافی) سوئیچینگ می باشند. متغیرهای V_L1 و V_L0 نشان دهنده بردارهای طولانی که باعث ایجاد مرز یک ششم دایره می شود. متغیر V_M نیز بردار وسط را نشان می دهد. جریان نقطه خنثی باید برای زیر بخش های مختلف به طور جداگانه محاسبه شود؛ چون حالت های سوئیچینگ که بکار گرفته می شوند، متفاوت هستند.
شکل ‏۳‑۵: زیر بخش ها در یک ششم دایره از دیاگرام بردار فضایی.
اگر یک بردار مرجع در زیربخش ۱، ۳، ۵ نهفته باشد، بردار V_S0 به عنوان مرکز درنظر گرفته می شود و سیکل های وظیفه (+ ۰ ۰) و (۰ – – ) برابر خواهد شد. این بدان معنی است که جریان نقطه خنثی بدلیل V_S0 صفر خواهد بود و جریان نقطه خنثی می تواند بصورت زیر بدست آید :

برای زیر بخش ۱

(۳-۱۲)

برای زیر بخش ۳

برای زیر بخش ۵

که در آن d_S1 و d_M سیکل های وظیفه برای بردارهای V_S1 و V_M می باشند. از سوی دیگر، اگر بردار مرجع در بخش فرعی ۲، ۴ و یا ۶ نهفته باشد، V_S1 به عنوان مرکز درنظر گرفته می شود و سیکل های وظیفه (+ +۰) و (۰۰- ) برابر خواهد شد. در این مورد، سهم بردار V_S1 برای جریان نقطه خنثی صفر است. جریان نقطه خنثی با توجه به بردارهای V_S0 و V_M خواهد بود و آن توسط عبارات زیر داده می شود: