دوره 12، شماره 1 - ( 1401 )                   جلد 12 شماره 1 صفحات 189-163 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ghobakhloo M, Rajabzadeh Qhatari A, Toloie Eshlaghy A, Alborzi M. Design a personalized Recommender system based on sentiment analysis on social media (Case study: banking system). ORMR 2022; 12 (1) :163-189
URL: http://ormr.modares.ac.ir/article-28-47450-fa.html
قباخلو مهرگان، رجب زاده قطری علی، طلوعی اشلقی عباس، البرزی محمود. طراحی سیستم توصیه‌گر شخصی‌سازی‌شده برمبنای آنالیز احساسات در رسانه‌های اجتماعی(مورد‌مطالعه: سیستم بانکی). پژوهش های مدیریت منابع سازمانی. 1401; 12 (1) :163-189

URL: http://ormr.modares.ac.ir/article-28-47450-fa.html


1- دانشجوی دکترای رشته مدیریت فناوری اطلاعات گرایش کسب و کار هوشمند، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2- استاد، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران. ، alirajabzadeh@modares.ac.ir
3- استاد، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
4- دانشیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
چکیده:   (2102 مشاهده)
حفظ مشتری یکی از پراهمیت‌ترین مسائل هر سازمانی است و یافتن راهی برای حفظ و بقای مشتری از نیازهای کلیدی آن سازمان است. هدف اصلی پژوهش حاضر در حوزه یادگیری ماشین،  تمرکز  بر مشکل شناسایی صحیح نیازهای مشتری با روش مبتنی بر استخراج دیدگاه‌ها، تحلیل احساسات و کمی‌سازی گرایش احساسی مشتریان درباره خدمات بانکی و بررسی و تحلیل نظرهای آنها می‌باشد. به‌عبارت دیگر موضوع این پژوهش طراحی سیستم توصیه‌گر برای ارائه خدمات مناسب و منطبق با رضایت مشتریان با نگاه به سلیقه‌ها، احساسات و تجربه‌های آنها می‌باشد. روش اجرای ارائه‌شده در پژوهش حاضر به‌این‌ترتیب است که عقاید و تجربه‌های مشتریان را از راه بررسی توییت‌های حاوی
هشتگ‌هایی با عنوان‌ها و سرفصل‌های خدمات بانکی به‌عنوان داده‌های جامعه آماری دریافت و پس از بررسی، نتیجه را در قالب متغیرهای نمره احساسات افراد برای توییت‌ها، نمره ارتباط، شباهت کسینوسی و میزان ضریب اطمینان و درنظرگرفتن گروه‌هایی از ویژگی‌های مربوطه و عقاید ثبت‌شده در فرایند آموزش و تست به‌صورت ارائه پیشنهاد شخصی‌سازی‌شده برای دریافت خدمات بانکی فراهم می‌کند. به‌منظور ارائه راهکار توصیه‌گر، از روش‌های دسته‌بندی مناسب به ‌همراه روش‌های عقیده‌کاوی و رویکرد اعتبارسنجی مناسب استفاده می‌شود و سیستم طراحی‌شده نهایی با خطایی اندک، به‌منظور ارائه خدمات شخصی‌سازی‌شده و در راستای کمک به سیستم بانکی گام خواهد برداشت. ازآن‌جایی‌که درحال حاضر ارائه خدمات بانکی متناسب با وضعیت مشتریان به‌‌طور کامل وجود ندارد، از‌این‌رو سیستم مذکور در این زمینه بسیار راهگشا خواهد بود.
متن کامل [PDF 487 kb]   (575 دریافت)    
نوع مقاله: پژوهشی اصیل | موضوع مقاله: رفتار سازمانی و مدیریت منابع انسانی
دریافت: 1399/8/17 | پذیرش: 1400/5/23 | انتشار: 1401/3/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.