کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
383398 660820 2012 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Discovering business intelligence from online product reviews: A rule-induction framework
ترجمه فارسی عنوان
کشف هوش کسب و کار از بررسی های آنلاین محصولات: چارچوب قاعده استقرایی (قیاسی)
فهرست مطالب مقاله

چکیده
مقدمه 
پژوهش BI و تجزیه و تحلیل بررسی آنلاین محصولات
تجزیه و تحلیل بررسی آنلاین محصولات
استخراج قانون رابطه
نظریه مجموعه های سخت
چارچوب قانون استقرایی برای کشف هوش تجاری (هوش کسب و کار)
چارچوب قانون استقرایی 
استخراج و فیلترکردن ویژگی ها 
روش های قانون استقرایی 
استخراج قانون رابطه
تئوری مجموعه های سخت 
ارزیابی تجربی 
بحث و گفتگو 
نتایج و مسیرهای آینده 
 
ترجمه چکیده
بررسی آنلاین محصولات، منبع مهمی برای هوش کسب و کار (BI) محسوب می شود که به مدیران و بازاریابان در درک دغدغه ها و علایق مشتریان کمک می کند. حجم زیاد داده های بررسی شده کار تحلیل دغدغه های مشتریان را به صورت دستی دشوار می سازد. بدین منظور، برای آسان کردن این تجزیه و تحلیل، ابزارهای اتوماتیک به وجود آمده اند. با این حال بیشتر این ابزارها فاقد توانایی در استخراج روابط بین عبارات غنی بررسی شده و رتبه بندی مشتری می باشند. مدیران و بازاریابان اغلب برای پیدا کردن رابطه ها به صورت دستی به خواندن بازدید های حجیم کلی روی می آورند. به منظور پرداختن به این چالش ها، شرح و بسط دسته جدیدی از سیستم های BI را بر اساس تئوری مجموعه های سخت، یادگیری قاعده استقراء و روش های بازیابی اطلاعات پیشنهاد کردیم. چارچوب جدیدی را برای طراحی سیستم های BI ایجاد کردیم که بر اساس این رابطه بین دسته بندی های مشتری و بررسی هایشان را می توان استخراج کرد. با استفاده از بازدید محصولات مختلف از روی Amazon.com، آزمایش های کیفی و کمی را برای ارزیابی عملکرد سیستم BI که بر اساس چارچوب توسعه یافته انجام دادیم. نتایج نشان می دهد که سیستم به دقت بالایی دست یافته و پوشش موجود مرتبط با کیفیت قاعده است. همچنین قوانین جالب وآموزنده ای با پشتیبانی بالا و ارزش اعتماد ارائه شده است. یافته ها حاوی پیامدهای مهمی برای تجزیه و تحلیل تمایلات بازار و مدیریت اعتبار تجارت الکترونیک است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Online product reviews are a major source of business intelligence (BI) that helps managers and marketers understand customers’ concerns and interests. The large volume of review data makes it difficult to manually analyze customers’ concerns. Automated tools have emerged to facilitate this analysis, however most lack the capability of extracting the relationships between the reviews’ rich expressions and the customer ratings. Managers and marketers often resort to manually read through voluminous reviews to find the relationships. To address these challenges, we propose the development of a new class of BI systems based on rough set theory, inductive rule learning, and information retrieval methods. We developed a new framework for designing BI systems that extract the relationship between the customer ratings and their reviews. Using reviews of different products from Amazon.com, we conducted both qualitative and quantitative experiments to evaluate the performance of a BI system developed based on the framework. The results indicate that the system achieved high accuracy and coverage related to rule quality, and produced interesting and informative rules with high support and confidence values. The findings have important implications for market sentiment analysis and e-commerce reputation management.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 39, Issue 15, 1 November 2012, Pages 11870–11879
نویسندگان
, ,