مقاله رده بندی کالاهادر فروشگاه های الکترونیکی – یک رهیافت فازی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله رده بندی کالاهادر فروشگاه های الکترونیکی – یک رهیافت فازی دارای ۲۴ صفحه می باشد و دارای تنظیمات و فهرست کامل در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله رده بندی کالاهادر فروشگاه های الکترونیکی – یک رهیافت فازی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : توضیحات زیر بخشی از متن اصلی می باشد که بدون قالب و فرمت بندی کپی شده است

بخشی از فهرست مطالب پروژه مقاله رده بندی کالاهادر فروشگاه های الکترونیکی – یک رهیافت فازی

چکیده

مقدمه

۱_ مروری بر کارهای قبلی

۲_ سفارشی کردن کالا

۲_۱_ مفاهیم فازی در ویژگی های محصول

۲_۲_ کمیت سنج زبانی (Linguistic Quantifier)

۲_۳_ اپراتور OWA

۳_ رتبه بندی محصولات

۳_۱_ رده بندی از دیدگاه ویژگی های مورد نظر مشتری

۳_۲_ رده بندی از دیدگاه موتورهای جستجو

۴_ رتبه بندی نهایی محصولات

۵_ مثال عددی

۵_۱_ رتبه بندی ماشین ها از دیدگاه مشتری

۶_ پیاده سازی روش

۶_۱_ داده ها

۶_۲_ مسئله و حل آن

مراجع

چکیده

در مکتوبی که پیش رو دارید، روشی برای طبقه بندی کالاهای موجود در فروشگاه های اینترنتی معرفی میگردد. این طبقه بندی بر اساس سلیقه مشتری و همچنین اطلاعات گرفته شده از دیگر موتور جستجوها پیرامون کالای مورد نظر بنا شده است. سلایق مشتری که به صورت زبانی درباره ی کالاها بیان شده (Linguistically defind) ، یا همان خواص محصول، مستقیما از مشتری دریافت می گردد. از طرف دیگر موتورهای جستجو اطلاعاتی پیرامون کالا و بر اساس نظر دیگر مشتریان جمع آوری می کنند. مجموع سلایق مشتری و اطلاعات موتور جستجوها به عنوان مقیاسی جهت آماده سازی اطلاعات جدید و رتبه بندی کالاها مطابق نیاز مشتری استفاده می شود. میانگین وزن دار شده (Weighted average) محصولات، که از اطلاعات پیشین و سلایق عنوان شده توسط مشتری بدست می آید به ما کمک می کند تا محصولات را در فروشگاه اینترنتی رتبه بندی کنیم

 مقدمه

در هر دو نوع فروشگاه کلاسیک و آنلاین، یک مشتری مشخصات مورد نظر خود را هنگام خرید کالا مطرح می کند. همزمان مایل است بداند نظر دیگر مشتریان در ارتباط با کالایی که وی قصد خرید ان را دارد چیست

با این پروسه مشتری خواهد فهمید که انتخابش چه قدر با بهترین کالا فاصله دارد. (فاصله صفر وقتی مشتری بهترین انتخاب را دارد). مشتری انتظار دارد این رده بندی و پیشنهادات از طرف خود سیستم بازار الکترونیکی به وی داده شود. در این راه گرفتن اطلاعات، جهت دادن پیشنهاد، کار نسبتا دشواری است

این دشواری چند برابر می شود وقتی مشتری خواسته ها و سلایق خود را به صورت فازی بیان می کند. سیستم فروش الکترونیک نیاز دارد که در جهت هرچه مشتری مدارتر شدن، این اصطلاحات فازی را نمایش داده و ترکیب کند. یک مشکل دیگر در فروش الکترونیک بیرون کشیدن وزن های پنهان شده درون هر یک از خصوصیاتی است که مشتری بر اساس این وزن های ذهنی، قضاوت و رده بندی نهایی را می طلبد. اعلام این وزن های پنهان، فروش الکترونیکی را هر چه بیشتر بر روی خواست مشتری متمرکز می کند. اما بسیار دشوار است که این وزن ها در فروشگاه های الکترونیکی دریافت و تعریف شوند، زیرا درگیر کردن مشتری با جزئیات از جذابیت خرید خواهد کاست. مطلب بعدی به میزان محبوبیت کالای انتخاب شده بر می گردد. نهایتا سیستم نیاز دراد تمام موارد فوق را با هم ترکیب کرده و رده بندی نهایی را به مشتری اعلام کند

در این گزارش ما با مشکل اول از طریق نمایش خواص کالا که توسط مشتری بیان می شود، به صورت مجموعه های فازی، روبرو می شویم. مسئله دوم با مفاهیم اپراتور OWA (Ordered Weighted Average) و کمیت سنج زبانی مدیریت می شود. اطلاعات سایر مشتریان از طریق اینترنت و با استفاده از موتورهای جستجو انجام می شود، و نهایتا از ترکیب تمام اطلاعات فوق جهت ارائه یک رده بندی مناسب و دادن اطلاعات جدید جانبی راجع به کالای مورد نظر استفاده خواهد شد

در بخش ۱، مروری بر کارهای انجام شده در این زمینه خواهیم داشت. در بخش ۲، به شرح فواید مجموعه های فازی در نمایش یک کالا و کمیت سنج زبانی (Linguistic quantifier)، همراه با توضیح مختصری در ارتباط با اپراتور OWA می پردازیم. در بخش ۳، ما به چگونگی رتبه بندی بر اساس اطلاعات گرفته شده از مشتری و همچنین موتورهای جستجو خواهیم پرداخت. در بخش ۴، یک مثال عددی را در ارتباط با پروسه فوق از نظر می گذرانیم. مثالی که بررسی خواهد شد مربوط به کاری است که در مقاله مرجع بر روی داده ها انجام شده است. در بخش ۵، پیاده سازی روش های رتبه بندی عنوان شده را بر روی داده های گرفته شده از پایگاه اینترنتی UCI، با تغییراتی که جزئیات آن شرح داده خواهد شد، انجام داده و نتایج حاصله را مورد بحث و بررسی قرار می دهیم

۱_ مروری بر کارهای قبلی

پیش از این نیز یکسری تلاش ها در زمینه خرید بهتر از فروشگاه های اینترنتی انجام شده است. Jango، یک فروشگاه شخصی، و DealTime ، با آدرس www.dealtime.com  از پیشگامان تلاش در جهت در نظر گرفتن نظرات مشتری در هنگام خرید هستند. این آژانس ها ویژگی های مطلوب محصول را جهت توصیف آن از سطح اینترنت جمع آوری می کنند. وقتی مشتری تعیین می کند که کالائی برایش جذابیت دارد، این آژانس ها بهترین مقادیر موجود در ارتباط با آن کالا را که در اینترنت موجود است پیشنهاد می کنند. مشکل تعیین محصول مناسب در بازار وسیع اینترنت رقابت شدید بین فروشگاه های مختلف در بهتر نشاندادن کالاهای خود است. یعنی اگر به صورت کلی به یک کالا نگاه کنیم (بدون در نظر گرفتن خصوصیات جزئی آن) توجه کنیم تبلیغات می تواند تاثیر بسیار زیادی روی چینش پیشنهادات داشته باشد. سطح دیگری از آژانس ها مانند decision guide با آدرس www.ActiveBuyersGuide.com ، به مشتری در تعیین محصول بهتر، بر اساس مشخصاتی که خود مشتری آن ها را انتخاب می کند کمک می کنند. این سایت یک لیست ازکالاهایی را که با خصوصیات خواسته شده از طرف مشتری مطابقت دارند، پیشنهاد می دهد. هرچند در این فروشگاه مشتری به دشواری سطح مطلوب و مورد انتظار خود را از ویژگی های کالا تعریف می کند. در decision guide یک خریدار می تواند مهمترین ویژگی های کالا را با مشخص کردن یک محدوده عددی برای مینیمم و ماکزیمم سطح انتظار خود بیان می کند.این ورودی ها سیستم را قادر می سازند که یک لیست از محصولات را پیشنهاد دهند. ممکن است یک انحراف کوچک از هر یک از مقادیر تعیین شده توسط مشتری باعث پیشنهاد هایی شود که در کل محصول مناسب تری را معرفی می کند. اما از آن جا که مقادیر ورودی از طرف مشتری دقیقا تعریف شده است، این انحراف کوچک رخ نخواهد داد و طبعا مشتری از انتخاب یک سری محصولات که شاید از محصولات پیشنهاد شده مناسب تر باشند محروم خواهد شد

یک فروشگاه دیگر www.amazon.com است که کتاب هایش را همراه با ویژگی های جذاب آن و نیز “ویژگی توضیحی مشتری” پیشنهاد می دهد. البته این سایت دیدگاه های مشتریان را به صورت فازی دریافت نمی کند. مثلا “یک کتاب داستان خوب” یا “یک متن ریاضی با بیان آسان و قابل فهم“؛ “ویژگی توضیحی مشتری” به مشتریان این اجازه را می دهد که یک سری پیشنهادات متنی را بر اساس توافق میان سایر مشتریان دریافت کند. بنابراین، چون اطلاعات حاصل از این پیشنهادات تنها بر اساس رتبه بندی ذهنی سایر مشتریان همین سایت بوده است نمی توان آن را شاخص صحیحی از میزان محبوبیت آن کالا (کتاب) محسوب کرد

در این مقاله یک روش رتبه بندی کالا بر اساس موتور جستجوهای مختلف ارائه می گردد که طی آن محبوبیت کالای مورد نظر، در سطح بسیار وسیعی از جانب مشتریان و در تمام اینترنت، سنجیده می شود

۲_ سفارشی کردن کالا

برای سفارشی کردن یک محصول، سیستم فروش الکترونیکی نیاز دارد با مشتریان تعامل برقرار کرده و آن ها را به طور کامل و از تمام جنبه ها بفهمد. تنها به این وسیله است که یک سایت می تواند به مشتریانش در آماده کردن اطلاعات و در نتیجه پیشنهاد محصوات مطلوب مورد نظر کمک کند. فرم های پیشنهاد باید برآوردن کننده مشخصات شخصی خریدار از محصول، خلاصه نظرات جمعی پیرامون محصول، و احیانا انتقادات آنان است. برای این منظور، سیستم نیاز دارد از پهار جنبه مشتری را درک کند: ۱_اصطلاحات فازی مشتری از ویژگی های کالا. ۲_گرایش رویهمرفته مشتری درباره یک محصول یا ویژگی های آن. ۳_رتبه بندی کلی و ذهنی مشتری از کالاها. ۴_میزان محبوبیت کالا نزد سایر مشتریان

۲_۱_ مفاهیم فازی در ویژگی های محصول

در هر داد و ستدی، در شرایط عادی خریدار ویژگی های مورد نظر خود را با اصطلاحات فازی و زبانی بیان می کند. تعریف ویژگی های یک کالا به صورت اصطلاحات تعریف شده ی کیفی به ما کمک می کند تا به خوبی ملاحظه مشتری را در بیان این اصطلاحات فازی در سیستم فروش الکترونیک کرده باشیم. برای این منظور از مفهوم منطق فازی استفاده می شود. این موضوع با بیان یک مثال روشن تر خواهد شد

مثال: در مسئله خرید یک ماشین، ویژگی های محصول می تواند موارد زیر باشد

۱_ قیمت ($). ۲_ قیمت بازخرید ماشین ($). ۳_ مصرف سوخت(miles/gallon). 4_ میزان راحتی (که با یک اصطلاح کیفی سنجیده می شود). ۵_ هزینه نگهداری و تعمیر($)

از دیدگاه مشتری این ویژگی ها ممکن است به صورت زیر بیان شود

۱_ قیمت این ماشین باید حدود ۲۰۰۰۰ دلار باشد

_ قیمت بازخرید بالا باشد

_ مصرف سوخت کم و بیش حدود ۲۰(miles/gallon) باشد

_ ماشین باید راحت باشد

_ هزینه نگهداری و تعمیر می بایست پایین باشد

در اظهارات فوق، کلماتی که به صورت ایتالیک نوشته شده اند اصطلاحات فازی هستند. بدون قصد تعمیم، توابع عضویت (MF) های اصطلاحات فازی بالا را می توان به صورت اعداد فازی نمایش داد. به عنوان مثال، اگر برای بسیاری از مشتریان ۴۰۰۰ دلار یک قیمت پایین است، ۵۰۰۰ دلار یک قیمت منطقی و معمول، و ۶۰۰۰ دلار قیمت بالایی محسوب می شود، ما می توانیم این ها را به صورت اعداد فازی نمایش دهیم. در شکل زیر این اعداد به صورت گرافیکی نشان داده شده اند

اجازه بدهیم ما فرض کنیم مشتری می خواهد یک ماشین را بخرد و قیمت مورد نظر خود را حدود ۲۰۰۰۰ دلار اعلام می کند. اصطلاح “حدود ۲۰۰۰۰ دلار” یک اصطلاح فازی اسن و می تواند به صورت یک عدد فازی نمایش داده شود. به صورت گرافیکی، تابع عضویت آن را در شکل زیر مشاهده می کنید

در شکل بالا واضح است که با نمایش ویژگی قیمت به صورت عدد فازی، ما می توانیم سطح رضایت مشتری را به صورت عددی، از قیمت یک ماشین بسنجیم. اجازه بدهید تصور کنیم در اینترنت سه ماشین با قیمت های ۱۵۰۰۰،  ۲۰۰۰۰ و ۲۵۰۰۰ دلار موجود است. از شکل پیداست که سطح رضایت مشتری از این سه ماشین به ترتیب ۰۵ ، ۱ و ۰۵ است

۲_۲_ کمیت سنج زبانی (Linguistic Quantifier)

به طور معمول یک خریدار علاقه مند است که تمام ویژگی های مورد نظر خود را به طور کامل برآورده شده ببیند. اما از آنجا که ویژگی ها عموما با هم در تضاد هستند، و ذاتا دارای ماهیت فازی می باشند، پیدا کردن محصولی که تمام ویژگی های مورد نظر مشتری را داشته باشد کار سختی است. این منطقی تر و واقعی تر به نظر می رسد که بگوئیم بیشترین ویژگی ها برآورده شوند تا همه آن ها. اصطلاح “بیشترین” در اینجا یک کمیت سنج زبانی است. به جای “بیشترین”، شاید مشتری مایل باشد از کمیت سنج دیگری استفاده کند؛ مثلا کم تر، بیشتر، همه، به ترتیب گفته شده، و ;

در این مقاله ما همان کمیت سنج “بیشترین” را درنظر می گیریم. توابع عضویت برای مجموعه فازی “most” به صورت زیر تعریف می شود

 ۲_۳_ اپراتور OWA

برای رتبه بندی کالاها لازیم است بریا هر ویژگی وزنی در نظر گرفته شود و نیز یک توافق وزن دار شده بین کل ویژگی ها ایجاد شود. هرچند، در بسیاری موارد یک مشتری مستقیما یک کالا را بعد از توجه به سطح هر ویژگی، خود انتخاب می کند. در واقع وزن های مربوط به ویژگی ها در ذهن مشتری پنهان هستند و بیرون کشیدن این وزن های پنهان در سیستم خرید و فروش الکترونیکی دشوار است. به هر حال، در این مقاله ما از اپراتورOWA بریا غلبه بر این مشکل استفاده کرده ایم: یک تعریف مختصر از اپراتور OWA را در زیر می خوانیم

اپراتور OWA از بعد m، یک نگاشت از  است که به واسطه m با بردار وزن ها    ارتباط دارد، وقتی  ؛ و نیز داریم

 هرگاه bj  امین بزرگترین جزء از  است که با اپراتور OWA  منطبق است. اگر Q یک کمیت سنج زبانی غیر نزولی باشد، ما می توانیم وزن های ویژگی ها را از رابطه زیر بدست آوریم

 ۳_ رتبه بندی محصولات