پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

هدف از این پایان نامه ارائه تبلیغ اینترنتی به مشتری با استفاده از تکنیک های داده کاوی بر حسب علایق و سلیقه او می باشد

دسته بندی رشته فناوری اطلاعات (IT)
فرمت فایل doc
حجم فایل ۱۹۵ کیلو بایت
تعداد صفحات ۱۵۸
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

دانلودپایان نامه کارشناسی ارشدرشته فناوری اطلاعات
پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

چکیده :
به دلیل بازار رقابتی شدیدی که امروزه در تجارت الکترونیک وجود دارد شرکت های تجاری در تلاش هستند تا شرایط مدیریت ارتباط با مشتری را هرچه بیشتر بهبود بخشند تا بتوانند مشتریان فعلی را حفظ و دیگر مشتریان را هم جذب کنند.به همین خاطر است که شرکت هایی که کالاهای خود را بصورت اینترنتی به فروش می رسانند به دنبال این هستند تا تبلیغات کالاهایشان بر اساس ترجیحات فردی مشتریان باشد، یعنی تبلیغات را برای هر مشتری شخصی سازی کنند.
برای شخصی سازی تبلیغات شرکت ها باید اطلاعاتی در مورد رفتار خرید پیشین مشتریانشان کسب کنند و بعد از آن این اطلاعات را تجزیه و تحلیل کنند تا بتوانند رفتار خرید آتی مشتریان را پیش بینی کنند. تکنیک داده کاوی ابزاری است که می تواند به شرکت ها کمک کند تا بتوانند اطلاعات رفتار خریدهای پیشین مشتری را تجزیه و تحلیل کرده و قوانینی را استنتاج کنند که برای پیش بینی رفتار خرید آتی مشتری مفید باشند و بر طبق آن بتوانند راهبردهای شخصی سازی تبلیغات برای مشتریان را برپا کنند.
ما در تحقیق خود از داده های جمع آوری شده از مشتری، که رفتار خریدهای پیشین مشتری هستند، استفاده کرده و با بکارگیری روش تاخر، تناوب و مالی ارزش مشتریان را برای شرکت مشخص کردیم.سپس برای خوشه بندی مشتریان بر اساس ارزش آنها، بصورت موازی از الگوریتم خوشه بندی K-Means و K-Harmonic Means استفاده کردیم سپس از الگوریتم استقرایی که یکی از الگوریتم های کشف قوانین وابستگی است استفاده کردیم و تکنیک قوانین وابستگی را بر روی داده های مربوط به هر یک از خوشه هایی که توسط K-Means مشخص شده اند بکار گرفتیم. با استفاده از قوانین بدست آمده از هر خوشه راهبردهای شخصی سازی تبلیغات برای هر خوشه از مشتریان را مشخص کردیم. برای هر مشتری علاوه بر قوانین مربوط به خوشه اصلی که به آن تعلق دارد از قوانین خوشه های دیگری که درجه تعلق مناسبی نسبت به آنها دارد نیز برای تعیین راهبردهای شخصی سازی تبلیغات استفاده کردیم تا بدین ترتیب تعداد تبلیغات پیشنهادی که مطابق با علایق مشتری است را بیشتر کنیم.
کلمات کلیدی:

تکنیک های داده کاوی

ارائه تبلیغ اینترنتی به مشتری

خوشه بندی مشتریان بر اساس ارزش آنها

مقدمه:
پیشرفت فناوری های اطلاعات و ارتباطات، حجم وسیعی از اطلاعات و داده های مفید را در دسترس قرار داده است.با توجه به رشد روز افزون بازار خرید اینترنتی و رقابت شدید بین شرکت ها و سایت های فروش اینترنتی، استفاده بهینه از اطلاعات بازار و مشتری اهمیت ویژه ای پیدا کرده است.ایده ها و راه حل های گوناگونی برای استفاده از اطلاعات بدست آمده از بازار و مشتریان جهت جذب مشتری و مهمتر از آن جهت نگهداری مشتریان فعلی پدید می آیند که یکی از این ایده ها، استفاده از اطلاعات مشتری برای بدست آوردن و پیش بینی کردن علایق آن است.فرایندهای زیادی را می توان برای بدست آوردن علایق مشتریان متصور شد، اما یکی از این فرایندها که امروزه با استقبال زیادی از سوی شرکت های تجاری و صاحبان سایت های فروش اینترنتی مواجه شده است، استفاده از تکنیک های داده کاوی۱ می باشد.با استفاده از تکنیک خوشه بندی۲ و تکنیک قوانین انجمنی۳ که از تکنیک های داده کاوی به شمار می آیند و بر روی داده های مربوط به رفتار خرید پیشین مشتری اعمال می شوند، می توان اطلاعات مفیدی جهت پیش بینی رفتار خرید آتی مشتری کسب نمود.شرکت ها از این اطلاعات استفاده می کنند تا بتوانند کالاهای مورد علاقه مشتریان را در مکان و زمان مناسب به آنها پیشنهاد دهند و بدین ترتیب در جهت سیاست نگهداری و حفظ مشتریان گام بردارند.
فهرست مطالب:
فصل اول: مقدمه و کلیات تحقیق
۱-۱: مقدمه ……………………………………………………………………………………………. ۲
۱-۲: بیان مسئله …………………………………………………………………………………….. ۳
۱-۳: هدف تحقیق …………………………………………………………………………………… ۴
۱-۴: اهمیت تحقیق ………………………………………………………………………………….. ۶
۱-۵: ساختار تحقیق …………………………………………………………………………………. ۷
فصل دوم: پیشینه و مفاهیم تحقیق
۲-۱: مبانی نظری……………………………………………………………………………………… ۱۰
۲-۱-۱: مدیریت ارتباط با مشتری………………………………………………………. ۱۰
۲-۱-۱-۱: تعریف مدیریت ارتباط با مشتری …………………………………………… ۱۰
۲-۱-۱-۲: تبلیغات اینترنتی …………………………………………………………… ۱۳
۲-۱-۲: داده کاوی …………………………………………………………………………………… ۱۵
۲-۱-۲-۱: تعریف داده کاوی ……………………………………………………………………… ۱۵
۲-۱-۲-۲: خوشه بندی ……………………………………………………………………………. ۱۸
۲-۱-۲-۳: قوانین وابستگی ……………………………………………………………………… ۲۵
۲-۱-۳: شیوه تاخر، تناوب و مالی ………………………………………………………………. ۳۱
۲-۲: پیشینه تحقیقاتی ………………………………………………………………………….. ۳۳
فصل سوم: روش شناسی تحقیق
۳-۱: مقدمه …………………………………………………………………………………………… ۴۰
۳-۲: اطلاعات مجموعه داده ها و آماده سازی داده ………………………………………… ۴۲
۳-۳: تعیین ارزش مشتری ……………………………………………………………………….. ۴۴
۳-۴: استفاده از تکنیک های داده کاوی ……………………………………………………… ۴۸
۳-۵: رهیافتی برای شخصی سازی تبلیغات …………………………………………………. ۵۶
۳-۶: روش ارزیابی ………………………………………………………………………………… ۵۹
فصل چهارم : محاسبات و یافته های تحقیق
۴-۱ : پایگاه داده هدف ……………………………………………………………………………. ۶۲
۴-۲ : آماده سازی مجموعه داده ……………………………………………………………….. ۶۳
۴-۳ : استخراج اطلاعات جهت تعیین معیارهای RFM …………………………………… 78
۴-۴ : داده کاوی ……………………………………………………………………………………. ۸۲
۴-۵ : ارائه تبلیغات مناسب به مشتری ……………………………………………………….. ۱۱۷
۴-۶ : ارزیابی مدل …………………………………………………………………………………. ۱۱۹
فصل پنجم : نتیجه گیری و کار آینده
۵-۱ : نتیجه گیری …………………………………………………………………………………. ۱۲۶
۵-۲ : پیشنهادها و کار آینده ………………………………………………………………….. ۱۲۸
منابع …………………………………………………………………………………………………. ۱۳۱
فهرست شکل ها:
شکل ۳-۱ : فرایند شخصی سازی تبلیغات توسط داده کاوی …………………………………………… ۴۱
شکل ۳-۲ : قالب کاری سیستم ارائه تبلیغ در سایت ………………………………………………………… ۵۸
شکل ۴-۱ : قالب داده های مربوط به خوشه شماره یک در WEKA ………………………………. 107
شکل ۴-۲ : قالب داده های مربوط به خوشه شماره دو در WEKA ………………………………… 110
شکل ۴-۳ : قالب داده های مربوط به خوشه شماره سه در WEKA ……………………………….. 114
فهرست جدول ها:
جدول ۲-۱ : مثال تراکنش های خرید ………………………………………………………………………………. ۲۶
جدول ۲-۲ : مثال معیاردهی RFM ………………………………………………………………………………….. 33
جدول ۳-۱ : مشخصات کالاهای موجود ……………………………………………………………………………. ۴۳
جدول ۳-۲ : ارزش گذاری معیار Recency …………………………………………………………………….. 46
جدول ۳-۳ : ارزش گذاری معیار Monetary …………………………………………………………………. 47
جدول ۳-۴ : مثال نحوه تخصیص RFM ……………………………………………………………………………. 48
جدول ۴-۱ : رکوردهای خرید مشتریان ……………………………………………………………………………… ۶۳
جدول ۴-۲ : تخصیص مقادیر RFM ………………………………………………………………………………….. 79
جدول ۴-۳ : شماره خوشه مشتریان در K-means …………………………………………………………. 83
جدول ۴-۴ : رکوردهای خرید مشتریان پس از ویرایش …………………………………………………….. ۹۲
جدول ۴-۵ : نتایج پیشنهادها و عرضه تبلیغات کالاها به مشتریان ……………………………………. ۱۲۰
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

مبانی نظری پیشنهاد چارچوبی جهت تشخیص علل تاثیرگذار و درصد تاثیر آنها در سود و زیان بیمه با داده کاوی در شرکت سهامی بیمه ایران

هدف از این مبانی نظری پیشنهاد چارچوبی جهت تشخیص علل تاثیرگذار و درصد تاثیر آنها در سود و زیان بیمه با داده کاوی در شرکت سهامی بیمه ایران می باشد

دسته بندی رشته فناوری اطلاعات (IT)
فرمت فایل doc
حجم فایل ۲۲۲ کیلو بایت
تعداد صفحات ۴۰
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

دانلودمبانی نظریپایان‌نامه كارشناسی ارشدمهندسی فناوری اطلاعات
پیشنهاد چارچوبی جهت تشخیص علل تاثیرگذار و درصد تاثیر آنها در سود و زیان بیمه با داده کاوی

(مطالعه موردی: شرکت سهامی بیمه ایران)
چکیده
بررسی اطلاعات بیمه های اتومبیل نشان داده عواملی چون نوع استفاده خودرو، داشتن گواهینامه رانندگی، نوع گواهینامه و تطابق یا عدم تطابق آن با وسیله نقلیه، مبلغ حق بیمه، میزان تعهدات بیمه نامه، کیفیت خودروی خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بیمه با مورد بیمه، تاخیردرتمدید بیمه نامه، در سود و زیان شرکت های بیمه تاثیر داشته اند.
هدف این پایان نامه شناخت عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکت های بیمه با استفاده از روش داده کاوی و سپس انتخاب الگوریتمی که بهترین میزان دقت پیش بینی برای تشخیص این عوامل را داشته اند می باشد.نتیجه حاصل از این پژوهش نشان می دهد که روشهای داده کاوی با استفاده از الگوریتم های دسته بندی با دقت بالای ۹۱% و الگوریتم های درخت تصمیم با دقت بالای ۹۶% و الگوریتم های خوشه بندی با ایجاد خوشه های قابل قبول قادر به ارائه مدلی برای تشخیص عوامل اثرگذار و تعیین میزان اثر آنها در سود و زیان بیمه نامه شخص ثالث خودرو خواهند بود.
کلیدواژگان:

داده کاوی

سود و زیان

بیمه شخص ثالث خودرو

مقدمه
شرکتهای تجاری و بازرگانی برای ادامه بقا و حفظ بازار همواره بر سود دهی و کاهش ضرر و زیان خود تاکید دارند از این رو روشهای جذب مشتری و همچنین تکنیکهای جلوگیری یا کاهش زیان در سرلوحه کاری این شرکتها قرار می گیرد. از جمله شرکتهایی که بدلایل مختلف در معرض کاهش سود و یا افزایش زیان قرار می گیرند شرکتهای بیمه ای می باشند. عواملی همچون بازاریابی، وفاداری مشتریان، نرخ حق بیمه، تبلیغات، تقلب، می تواند باعث جذب یا دفع مشتری گردد که در سود و زیان تاثیر مستقیم و غیر مستقیم دارد. پرداخت خسارت نیز به عنوان تعهد شرکتهای بیمه منجر به کاهش سود و در بعضی موارد موجب زیان یک شرکت بیمه می شود. خسارت می تواند بدلایل مختلف رخ دهد و یا عملی دیگر به گونه ای خسارت جلوه داده شود که در واقع اینچنین نیست[Derrig et. al 2006].
عواملی از قبیل فرهنگ رانندگی، داشتن گواهینامه رانندگی، نوع گواهینامه و تطابق یا عدم تطابق آن با وسیله نقلیه، جاده های بین شهری و خیابانهای داخل شهر که شهرداری ها و ادارات راه را به چالش می کشد، تقلب، وضعیت آب و هوا، کیفیت خودروی خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بیمه با مورد بیمه [Wilson 2003]، روزهای تعطیل، مسافرتها و بسیاری موارد دیگر می توانند موجب خسارت و در نهایت افزایش زیان یک شرکت بیمه ای گردند. بیمه صنعتی سودمند، ضروری و مؤثر در توسعه اقتصادی است. این صنعت بدلیل «افزایش امنیت در عرصه های مختلف زندگی و فعالیتهای اقتصادی»، «افزایش سرمایه گذاری و اشتغال و رشد اقتصادی» و « ارتقای عدالت اقتصادی و کاهش فقر ناشی از مخاطرات »، حائز جایگاه مهمی در پیشرفت و تعالی یک کشور است.
با وجود نقش مهم بیمه در بسترسازی و تأمین شرایط مساعد اقتصادی، وضعیت کنونی این صنعت در اقتصاد ملی با وضعیت مطلوب آن فاصله زیادی دارد. عدم آشنایی عمومی و کم بودن تقاضا برای محصولات بیمه ای، دانش فنی پایین در عرصه خدمات بیمه ای، عدم تطابق ریسک با حق بیمه، تفاوت فاحش در مقایسه معیارهای تشخیص ریسک بیمه شخص ثالث با نوع بیمه معادل در کشورهای توسعه یافته، وجود نارسایی ها در مدیریت واحدهای عرضه بیمه از دلایل عدم توسعه مناسب این صنعت در کشور است. از آنجا که بشر در طول تاریخ به کمک علم و تجربه رستگاری ها و توفیقات فراوانی کسب کرده است، نگاه علمی تر به مشکلات این صنعت و یافتن راه حل در بستر علم می تواند راه گشا باشد. امروزه بوسیله روشهای داده کاوی ارتباط بین فاکتورهای مختلف موثر یا غیر موثر در یک موضوع مشخص می شود و با توجه به اینکه داده کاوی ابزاری مفید در استخراج دانش از داده های انبوه می باشد که ارتباطات نهفته بین آنها را نشان می دهد، شرکتهای تجاری بازرگانی رو به این تکنیکها آورده اند. داده کاوی محدود به استفاده از فناوری ها نیست و از هرآنچه که برایش مفید واقع شود استفاده خواهد کرد. با این وجود آمار و کامپیوتر پر استفاده ترین علوم و فناوری های مورد استفاده داده کاوی است.
فهرست مطالب
فصل اول: کلیات
۱-۱ تعریف داده کاوی ۳
۱-۲ تعریف بیمه ۴
۱-۳ هدف پایان نامه ۴
۱-۴ مراحل انجام تحقیق ۴
۱-۵ ساختار پایان نامه ۵
فصل دوم: ادبیات موضوع و تحقیقات پیشین
۲-۱ داده کاوی و یادگیری ماشین ۷
۲-۲ ابزارها و تکنیک های داده کاوی ۸
۲-۳ روشهای داده کاوی ۹
۲-۳-۱ روشهای توصیف داده ها ۱۰
۲-۳-۲ روشهای تجزیه و تحلیل وابستگی ۱۰
۲-۳-۳ روشهای دسته بندی و پیشگویی ۱۰
۲-۳-۴ درخت تصمیم ۱۱
۲-۳-۵ شبکه عصبی ۱۲
۲-۳-۶ استدلال مبتنی بر حافظه ۱۲
۲-۳-۷ ماشین های بردار پشتیبانی ۱۳
۲-۳-۸ روشهای خوشه بندی ۱۳
۲-۳-۹ روش K-Means 13
۲-۳-۱۰ شبکه کوهنن ۱۴
۲-۳-۱۱ روش دو گام ۱۴
۲-۳-۱۲ روشهای تجزیه و تحلیل نویز ۱۴
۲-۴ دسته های نامتعادل]صنیعی آباده ۱۳۹۱[. ۱۵
۲-۴-۱ راهکار مبتنی بر معیار ۱۵
۲-۴-۲ راهکار مبتنی بر نمونه برداری ۱۵
۲-۵ پیشینه تحقیق ۱۶
۲-۶ خلاصه فصل ۱۹
منابع و مأخذ
فهرست منابع فارسی
فهرست منابع انگلیسی
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

پیشنهاد چارچوبی جهت تشخیص علل تاثیرگذار و درصد تاثیر آنها در سود و زیان بیمه با داده کاوی

هدف از این پایان‌نامه پیشنهاد چارچوبی جهت تشخیص علل تاثیرگذار و درصد تاثیر آنها در سود و زیان بیمه با داده کاوی در شرکت سهامی بیمه ایران می باشد

دسته بندی رشته فناوری اطلاعات (IT)
فرمت فایل doc
حجم فایل ۱٫۳۰۵ مگا بایت
تعداد صفحات ۱۱۴
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

دانلودپایان‌نامه كارشناسی ارشدمهندسی فناوری اطلاعات
پیشنهاد چارچوبی جهت تشخیص علل تاثیرگذار و درصد تاثیر آنها در سود و زیان بیمه با داده کاوی

(مطالعه موردی: شرکت سهامی بیمه ایران)
چکیده
بررسی اطلاعات بیمه های اتومبیل نشان داده عواملی چون نوع استفاده خودرو، داشتن گواهینامه رانندگی، نوع گواهینامه و تطابق یا عدم تطابق آن با وسیله نقلیه، مبلغ حق بیمه، میزان تعهدات بیمه نامه، کیفیت خودروی خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بیمه با مورد بیمه، تاخیردرتمدید بیمه نامه، در سود و زیان شرکت های بیمه تاثیر داشته اند.
هدف این پایان نامه شناخت عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکت های بیمه با استفاده از روش داده کاوی و سپس انتخاب الگوریتمی که بهترین میزان دقت پیش بینی برای تشخیص این عوامل را داشته اند می باشد.نتیجه حاصل از این پژوهش نشان می دهد که روشهای داده کاوی با استفاده از الگوریتم های دسته بندی با دقت بالای ۹۱% و الگوریتم های درخت تصمیم با دقت بالای ۹۶% و الگوریتم های خوشه بندی با ایجاد خوشه های قابل قبول قادر به ارائه مدلی برای تشخیص عوامل اثرگذار و تعیین میزان اثر آنها در سود و زیان بیمه نامه شخص ثالث خودرو خواهند بود.
کلیدواژگان:

داده کاوی

سود و زیان

بیمه شخص ثالث خودرو

مقدمه
شرکتهای تجاری و بازرگانی برای ادامه بقا و حفظ بازار همواره بر سود دهی و کاهش ضرر و زیان خود تاکید دارند از این رو روشهای جذب مشتری و همچنین تکنیکهای جلوگیری یا کاهش زیان در سرلوحه کاری این شرکتها قرار می گیرد. از جمله شرکتهایی که بدلایل مختلف در معرض کاهش سود و یا افزایش زیان قرار می گیرند شرکتهای بیمه ای می باشند. عواملی همچون بازاریابی، وفاداری مشتریان، نرخ حق بیمه، تبلیغات، تقلب، می تواند باعث جذب یا دفع مشتری گردد که در سود و زیان تاثیر مستقیم و غیر مستقیم دارد. پرداخت خسارت نیز به عنوان تعهد شرکتهای بیمه منجر به کاهش سود و در بعضی موارد موجب زیان یک شرکت بیمه می شود. خسارت می تواند بدلایل مختلف رخ دهد و یا عملی دیگر به گونه ای خسارت جلوه داده شود که در واقع اینچنین نیست[Derrig et. al 2006].
عواملی از قبیل فرهنگ رانندگی، داشتن گواهینامه رانندگی، نوع گواهینامه و تطابق یا عدم تطابق آن با وسیله نقلیه، جاده های بین شهری و خیابانهای داخل شهر که شهرداری ها و ادارات راه را به چالش می کشد، تقلب، وضعیت آب و هوا، کیفیت خودروی خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بیمه با مورد بیمه [Wilson 2003]، روزهای تعطیل، مسافرتها و بسیاری موارد دیگر می توانند موجب خسارت و در نهایت افزایش زیان یک شرکت بیمه ای گردند. بیمه صنعتی سودمند، ضروری و مؤثر در توسعه اقتصادی است. این صنعت بدلیل «افزایش امنیت در عرصه های مختلف زندگی و فعالیتهای اقتصادی»، «افزایش سرمایه گذاری و اشتغال و رشد اقتصادی» و « ارتقای عدالت اقتصادی و کاهش فقر ناشی از مخاطرات »، حائز جایگاه مهمی در پیشرفت و تعالی یک کشور است.
با وجود نقش مهم بیمه در بسترسازی و تأمین شرایط مساعد اقتصادی، وضعیت کنونی این صنعت در اقتصاد ملی با وضعیت مطلوب آن فاصله زیادی دارد. عدم آشنایی عمومی و کم بودن تقاضا برای محصولات بیمه ای، دانش فنی پایین در عرصه خدمات بیمه ای، عدم تطابق ریسک با حق بیمه، تفاوت فاحش در مقایسه معیارهای تشخیص ریسک بیمه شخص ثالث با نوع بیمه معادل در کشورهای توسعه یافته، وجود نارسایی ها در مدیریت واحدهای عرضه بیمه از دلایل عدم توسعه مناسب این صنعت در کشور است. از آنجا که بشر در طول تاریخ به کمک علم و تجربه رستگاری ها و توفیقات فراوانی کسب کرده است، نگاه علمی تر به مشکلات این صنعت و یافتن راه حل در بستر علم می تواند راه گشا باشد. امروزه بوسیله روشهای داده کاوی ارتباط بین فاکتورهای مختلف موثر یا غیر موثر در یک موضوع مشخص می شود و با توجه به اینکه داده کاوی ابزاری مفید در استخراج دانش از داده های انبوه می باشد که ارتباطات نهفته بین آنها را نشان می دهد، شرکتهای تجاری بازرگانی رو به این تکنیکها آورده اند. داده کاوی محدود به استفاده از فناوری ها نیست و از هرآنچه که برایش مفید واقع شود استفاده خواهد کرد. با این وجود آمار و کامپیوتر پر استفاده ترین علوم و فناوری های مورد استفاده داده کاوی است.
فهرست مطالب
فصل اول: کلیات
۱-۱ تعریف داده کاوی ۳
۱-۲ تعریف بیمه ۴
۱-۳ هدف پایان نامه ۴
۱-۴ مراحل انجام تحقیق ۴
۱-۵ ساختار پایان نامه ۵
فصل دوم: ادبیات موضوع و تحقیقات پیشین
۲-۱ داده کاوی و یادگیری ماشین ۷
۲-۲ ابزارها و تکنیک های داده کاوی ۸
۲-۳ روشهای داده کاوی ۹
۲-۳-۱ روشهای توصیف داده ها ۱۰
۲-۳-۲ روشهای تجزیه و تحلیل وابستگی ۱۰
۲-۳-۳ روشهای دسته بندی و پیشگویی ۱۰
۲-۳-۴ درخت تصمیم ۱۱
۲-۳-۵ شبکه عصبی ۱۲
۲-۳-۶ استدلال مبتنی بر حافظه ۱۲
۲-۳-۷ ماشین های بردار پشتیبانی ۱۳
۲-۳-۸ روشهای خوشه بندی ۱۳
۲-۳-۹ روش K-Means 13
۲-۳-۱۰ شبکه کوهنن ۱۴
۲-۳-۱۱ روش دو گام ۱۴
۲-۳-۱۲ روشهای تجزیه و تحلیل نویز ۱۴
۲-۴ دسته های نامتعادل]صنیعی آباده ۱۳۹۱[. ۱۵
۲-۴-۱ راهکار مبتنی بر معیار ۱۵
۲-۴-۲ راهکار مبتنی بر نمونه برداری ۱۵
۲-۵ پیشینه تحقیق ۱۶
۲-۶ خلاصه فصل ۱۹
فصل سوم: شرح پژوهش
۳-۱ انتخاب نرم افزار ۲۱
۳-۱-۱ Rapidminer 21
۳-۱-۲ مقایسه RapidMiner با سایر نرم افزار های مشابه ۲۱
۳-۲ داده ها ۲۵
۳-۲-۱ انتخاب داده ۲۵
۳-۲-۲ فیلدهای مجموعه داده صدور ۲۵
۳-۲-۳ کاهش ابعاد ۲۵
۳-۲-۴ فیلدهای مجموعه داده خسارت ۲۹
۳-۲-۵ پاکسازی داده ها ۲۹
۳-۲-۶ رسیدگی به داده های از دست رفته ۲۹
۳-۲-۷ کشف داده دور افتاده ۳۰
۳-۲-۸ انبوهش داده ۳۲
۳-۲-۹ ایجاد ویژگی دسته ۳۲
۳-۲-۱۰ تبدیل داده ۳۲
۳-۲-۱۱ انتقال داده به محیط داده کاوی ۳۲
۳-۲-۱۲ انواع داده تعیین شده ۳۳
۳-۲-۱۳ عملیات انتخاب ویژگیهای موثرتر ۳۴
۳-۳ نتایج اعمال الگوریتم PCA و الگوریتم های وزن دهی ۳۴
۳-۴ ویژگی های منتخب جهت استفاده در الگوریتمهای حساس به تعداد ویژگی ۳۶
۳-۵ معیارهای ارزیابی الگوریتمهای دسته بندی ۳۷
۳-۶ ماتریس درهم ریختگی ۳۷
۳-۷ معیار AUC 38
۳-۸ روشهای ارزیابی الگوریتم های دسته بندی ۳۹
۳-۸-۱ روش Holdout 39
۳-۸-۲ روش Random Subsampling 39
۳-۸-۳ روش Cross-Validation 40
۳-۸-۴ روش Bootstrap 40
۳-۹ الگوریتمهای دسته بندی ۴۱
۳-۹-۱ الگوریتم KNN 42
۳-۹-۲ الگوریتم Naïve Bayes 42
۳-۹-۳ الگوریتم Neural Network 43
۳-۹-۴ الگوریتم SVM خطی ۴۵
۳-۹-۵ الگوریتم رگرسیون لجستیک ۴۶
۳-۹-۶ الگوریتم Meta Decision Tree 47
۳-۹-۷ الگوریتم درخت Wj48 49
۳-۹-۸ الگوریتم درخت Random forest 51
۳-۱۰ معیارهای ارزیابی الگوریتم های مبتنی بر قانون(کشف قوانین انجمنی) ۵۴
۳-۱۰-۱ الگوریتم FPgrowth 55
۳-۱۰-۲ الگوریتم Weka Apriori 55
۳-۱۱ معیارهای ارزیابی الگوریتمهای خوشه بندی ۵۵
۳-۱۲ الگوریتم های خوشه بندی ۵۷
۳-۱۲-۱ الگوریتم K-Means 57
۳-۱۲-۲ الگوریتم Kohonen 60
۳-۱۲-۳ الگوریتم دوگامی ۶۴
فصل چهارم: ارزیابی و نتیجه گیری
۴-۱ مقایسه نتایج ۶۹
۴-۲ الگوریتمهای دسته بندی ۶۹
۴-۳ الگوریتم های دسته بندی درخت تصمیم ۷۰
۴-۴ الگوریتم های خوشه بندی ۷۹
۴-۵ الگوریتم های قواعد تلازمی(مبتنی بر قانون) ۸۱
۴-۶ پیشنهادات به شرکت های بیمه ۸۱
۴-۷ پیشنهادات جهت ادامه کار ۸۳
منابع و مأخذ
فهرست منابع فارسی ۸۴
فهرست منابع انگلیسی ۸۵
فهرست جدول‌ها
جدول شماره ۳-۱: نتایج رای گیری استفاده از نرم افزارهای داده کاوی ۲۴
جدول شماره ۳-۲: فیلدهای اولیه داده های صدور ۲۶
جدول شماره ۳-۳: فیلدهای نهایی داده های صدور ۲۷
جدول شماره ۳-۴: فیلدهای حذف شده داده های صدور و علت حذف آنها ۲۸
جدول ۳-۵: فیلدهای استخراج شده از داده های خسارت ۲۸
جدول ۳-۶: نتایج نمودار boxplot 31
جدول ۳-۷: انواع داده استفاده شده ۳۳
جدول ۳-۸: نتایج حاصل از اجتماع فیلدهای با بالاترین وزن در الگوریتمهای مختلف ۳۷
جدول ۳-۹: ماتریس در هم ریختگی رکوردهای تخمینی(Predicted Records) 38
جدول ۳-۱۰: قوانین استخراج شده توسط الگوریتم Fpgrowth 55
جدول ۳-۱۱: قوانین استخراج شده توسط الگوریتم Weka Apriori 55
جدول ۳-۱۲: تنظیمات پارامترهای الگوریتم K-Means 57
اجرا برای ۹ خوشه در الگوریتم K-Means 60
جدول ۳-۱۳: تنظیمات پارامترهای الگوریتم Kohonen 64
جدول ۳-۱۴: تنظیمات پارامترهای الگوریتم دوگامی ۶۹
جدول ۴-۱: مقایسه الگوریتم های دسته بند ۷۰
جدول ۴-۲: مقایسه الگوریتم های دسته بند درخت تصمیم ۷۰
جدول ۴-۳: ماتریس آشفتگی قانون شماره ۱ ۷۱
جدول ۴-۴: ماتریس آشفتگی قانون شماره ۲ ۷۲
جدول ۴-۵: ماتریس آشفتگی قانون شماره ۳ الف ۷۲
جدول ۴-۶: ماتریس آشفتگی قانون شماره ۳ ب ۷۲
جدول ۴-۷: ماتریس آشفتگی قانون شماره ۳ ج ۷۳
جدول ۴-۸: ماتریس آشفتگی قانون شماره ۳ د ۷۳
جدول ۴-۹: ماتریس آشفتگی قانون شماره ۳ ه ۷۳
جدول ۴-۱۰: ماتریس آشفتگی قانون شماره ۳ و ۷۴
جدول ۴-۱۱: ماتریس آشفتگی قانون شماره ۳ ز ۷۶
جدول ۴-۱۲: ماتریس آشفتگی قانون شماره ۴ ۷۶
جدول ۴-۱۳: ماتریس آشفتگی قانون شماره ۵ ۷۷
جدول ۴-۱۴: ماتریس آشفتگی قانون شماره ۶ الف ۷۷
جدول ۴-۱۵: ماتریس آشفتگی قانون شماره ۶ ب ۷۸
جدول ۴-۱۶: ماتریس آشفتگی قانون شماره۷ ۷۸
جدول ۴-۱۷: ماتریس آشفتگی قانون شماره۸ ۷۹
جدول ۴-۱۸: مقایسه الگوریتم های خوشه بندی ۷۹
جدول ۴-۱۹: فیلدهای حاصل از الگوریتم های خوشه بندی ۸۰
جدول ۴-۲۰: نتایج الگوریتم های FpGrowth Weka Apriori 81
فهرست شکل‌ها
شکل شماره۳-۱: داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی ۳۳
شکل ۳-۲: نتایج الگوریتمPCA 34
شکل ۳-۳: نتایج الگوریتم SVM Weighting در ارزشدهی به ویژگی ها ۳۵
شکل ۳-۴: نتایج الگوریتم Weighting Deviation در ارزشدهی به ویژگی ها ۳۵
شکل ۳-۵: نتایج الگوریتم Weighting Correlation در ارزشدهی به ویژگی ها ۳۶
شکل ۳-۶: نمای کلی استفاده از روشهای ارزیابی ۴۱
شکل ۳-۷: نمای کلی استفاده از یک مدل درون یک روش ارزیابی ۴۲
شکل ۳-۸: نمودار AUC الگوریتم KNN 42
شکل ۳-۹: نمودار AUC الگوریتم Naïve Bayes 43
شکل ۳-۱۰: تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی ۴۴
شکل ۳-۱۱: نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net 44
شکل ۳-۱۲: تبدیل ویژگی های غیر عددی به عدد در الگوریتم SVM خطی ۴۵
شکل ۳-۱۳ : نمودار AUC الگوریتم SVM Linear 46
شکل ۳-۱۴ : نمودار AUC الگوریتم رگرسیون لجستیک ۴۷
شکل ۳-۱۵ : نمودار AUC الگوریتم Meta Decision Tree 48
شکل ۳-۱۶ : قسمتی از نمودارtree الگوریتم Meta Decision Tree 49
شکل ۳-۱۷ : نمودار radial الگوریتم Meta Decision Tree 49
شکل ۳-۱۸: نمودار AUC الگوریتم Wj48 50
شکل ۳-۱۹ : نمودار tree الگوریتم Wj48 51
شکل ۳-۲۰ : نمودار AUC الگوریتم Random forest 52
شکل ۳-۲۱ : نمودار تولید ۲۰ درخت در الگوریتم Random Forest 53
شکل ۳-۲۲ : یک نمونه درخت تولید شده توسط الگوریتم Random Forest 53
شکل ۳-۲۳ : رسیدن درصد خطا به صفر پس از ۸مرتبه ۵۷
شکل ۳-۲۴ : Predictor Importance for K-Means 58
شکل ۳-۲۵ : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم
K-Means 59
شکل ۳-۲۶ : کیفیت خوشه ها در الگوریتمMeans K- 60
شکل ۳-۲۷ : Predictor Importance for Kohonen 61
شکل ۳-۲۸ : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم
Kohonen 62
شکل ۳-۲۹ : کیفیت خوشه ها در الگوریتمMeans K- 63
شکل ۳-۳۰ : تعداد نرون های ورودی و خروجی در Kohonen 63
شکل ۳-۳۱ : Predictor Importance for دوگامی ۶۴
شکل ۳-۳۲ : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در
الگوریتم دوگامی ۶۵
شکل ۳-۳۳ : کیفیت خوشه ها در الگوریتم دوگامی ۶۶
شکل۴-۱: نمودارنسبت تخفیف عدم خسارت به خسارت ۷۵
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

مبانی نظری بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان

هدف از این مبانی نظری بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان بانک مهر اقتصاد می باشد

دسته بندی رشته فناوری اطلاعات (IT)
فرمت فایل doc
حجم فایل ۷۱۱ کیلو بایت
تعداد صفحات ۱۰۲
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

دانلودمبانی نظریپایان نامه کارشناسی ارشد در رشتهفناوری اطلاعات
بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان بانک

چکیده
افزایش روزافزون سطح رقابت در بازار، مدیران و تحلیل گران سازمان ها را وادار ساخته به دنبال راهکارهایی باشند که مزیت رقابتی را برای سازمان به ارمغان آورند. بر اساس مطالعات موجود، استفاده از دانش مشتری جهت اتخاذ استراتژی‌های لازم برای جلب رضایت مشتری می تواند سازمان ها را به سمت تحقق این هدف سوق دهد. از سوی دیگر گسترش بهره گیری از فناوری های بروز در زمینه اطلاعات و ارتباطات خصوصاً در بانک ها باعث بر جای ماندن حجم عظیمی از داده ها گشته که تحلیل و تصمیم-گیری بر اساس آن ها با روش های معمول گزارش گیری و روش-های آماری امکان پذیر نمی باشد. داده کاوی ابزار بروز و قدرتمندی است که در این پایان نامه جهت تحلیل داده ها به جهت استخراج دانش مشتری پیشنهاد می گردد.
هدف از این تحقیق با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده‌کاوی»، بخش‌بندی مشتریان بانک مهر اقتصاد، باهدف کشف ویژگی‌های رفتاری مشابه، برای کمک به مدیران این بانک جهت تسهیل اتخاذ استراتژی‌های متناسب با هر بخش و در نتیجه حفظ، تقویت و یا توسعه ارتباط با مشتریان و نهایتاً سودآوری برای این بانک می باشد. داده‌های خام مورد نیاز جهت این مطالعه از پایگاه داده‌های بانک مهر اقتصاد استخراج شده است.
كلمات كلیدی :

داده کاوی

کشف دانش

مدیریت دانش مشتری

خوشه بندی مشتریان

مقدمه
در سال های اخیر دانش به عنوان منبعی ارزشمند در کنار منابعی چون کار، زمین، سرمایه قرار گرفت و به عنوان موتور تولیدکننده درآمد و یك دارایی مهم و راهبُردی برای سازمان شناخته شد. از طرفی به دلیل وجود رقابت شدید در بین کسب و کارهای امروزی از جمله صنعت بانکداری، مشتری و توجه به جایگاه او و ارتباط با او اهمیت ویژه ای یافته است. بنابراین مبحث بسیار مهم مدیریت دانش مشتری مطرح گردید که امروزه مطالعات بسیار زیادی را به خود اختصاص داده است. مدیریت دانش مشتری با استفاده از راهکارهای مختلف مدیریت دانش نظیر روش‌های داده‌کاوی زمینه بسیار خوبی را جهت استفاده مفید از گنجینه گران‌بهای دانش مشتری فراهم می آورد.
از سوی دیگر در عصر حاضر بهره گیری از فناوری های نوین اطلاعات و ارتباطات در عرصه های مختلف کسب وکار به امری گریزناپذیر مبدل گشته است. به طور خاص صنعت بانکداری از جمله صنایعی است که به‌کارگیری فناوری های روز دنیا در این صنعت می تواند مزیت رقابتی انکارناپذیری را برای آن ایجاد نماید. بنابراین این صنعت نیز از بهره گیری از بروزترین فناوری ها مستثنا نبوده و مواردی مانند بانکداری الکترونیک، سیستم‌های یکپارچه بانکداری ، دستگاه های خودپرداز، کارت های اعتباری، پایانه های خرید الکترونیک و… از مصادیق این امر می باشد.
ورود فناوری های جدید به سازمان سبب افزایش چشمگیر سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از داده‌ها گشته است. از آنجا که این داده‌ها اغلب حجیم و وسیع می-باشند، معمولاً به صورت خام قابل‌استفاده نیستند، بلکه دانش موجود در آن ها باید استخراج گردد. با این وجود که ارزش این داده‌ها بر کسی پوشیده نیست، حجم بسیار بالای داده‌های ارزشمند موجود، تحلیل و بهره گیری از آن ها را به امری چالش‌برانگیز مبدل ساخته است.
چرا که تحلیل به واسطه روش‌های گزارش گیری سنتی در این مقیاس امکان پذیر نیست و روش‌های آماری موجود نیز از ظرفیت کافی جهت تحلیل این داده‌ها برخوردار نمی باشند. بنابراین باید به دنبال راهکاری بود که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامع تر با نتایج دقیق تر و درصد خطای پایین تر را ممکن سازد. این مسئله گواهی بر لزوم به‌کارگیری روش‌های نوین تحلیل داده‌ها جهت حصول دانش، نظیر روش داده‌کاوی خواهد بود.دانش قابل توجهی که در زمان استفاده از خدمت یا مصرف کالا توسط مشتری، بین مشتری و سازمان تبادل می شود، به عنوان منبعی مهم برای سازمان شناخته می شود و کسب و بهره برداری از آن به یک مزیت رقابتی در سازمان ها تبدیل شده است.مدیریت دانش مشتری دربردارنده فرایندهایی ست که با شناسایی و اکتساب اطلاعات مشتری و نیز ایجاد و بهره برداری از دانش مشتریان، مربوط است [۹]. چنین اطلاعاتی در ماورای محدوده های خارجی سازمان قرار دارند و دانشی که از آن ها استخراج می شود موجب ایجاد ارزش برای سازمان و مشتریان آن خواهد شد [۳۲]. در این تحقیق مسئولیت کشف دانش بر عهده الگوریتم‌های داده‌کاوی خواهد بود. در ادامه از این دانش به عنوان راهنما در مسیر اتخاذ استراتژی‌های سازمان، بهره گیری می شود.
فهرست مطالب
فصل دوم ۱۲
۲-۱- مقدمه ۱۳
۲-۲- مدیریت دانش ۱۴
۲-۲-۱- دانش چیست؟ ۱۵
۲-۲-۲- هرم دانش ۱۵
۲-۲-۳- انواع دانش ۱۶
۲-۲-۳-۱- دانش صریح ۱۶
۲-۲-۳-۲- دانش ضمنی ۱۶
۲-۲-۴- مدیریت دانش چیست؟ ۱۷
۲-۲-۵- استراتژی‌های مدیریت دانش ۱۸
۲-۲-۵-۱- استراتژی اجتماعی سازی (تبدیل دانش پنهان به پنهان) ۱۹
۲-۲-۵- ۲- استراتژی برونی سازی (پنهان به آشکار) ۱۹
۲-۲-۵- ۳- استراتژی ترکیب سازی (آشکار به آشکار) ۲۰
۲-۲-۵- ۴- استراتژی درونیسازی (آشکار به پنهان) ۲۰
۲-۲-۶-معایب عدم بهرهگیری از دانش در سازمان ۲۰
۲-۲-۷- اهداف مدیریت دانش ۲۱
۲-۲-۸- مدل های مدیریت دانش ۲۱
۲-۳- مدیریت دانش مشتری ۲۳
۲-۳-۱- انواع دانش مشتری ۲۴
۲-۳-۲- مدل مدیریت دانش مشتری ۲۸
۲-۴- مدیریت ارتباط با مشتری ۲۹
۲-۴-۱- مدیریت ارتباط مشتریان در نظام بانکی ۳۲
۲-۴-۲- مدیریت ارتباط با مشتری: اهداف، مزایا و چالش‌ها ۳۳
۲-۵- مقایسه مفاهیم CKM و KM و CRM 34
۲-۶- تاریخچه‌ای از بانک و بانکداری ۳۷
۲-۷- سیر تحول فناوری اطلاعات در صنعت بانكداری ۳۸
۲-۷-۱ دوره اول: اتوماسیون پشت باجه ۳۸
۲-۷-۲- دوره دوم: اتوماسیون جلوی باجه ۳۸
۲-۷-۳- دوره سوم: اتصال مشتریان به حساب‌هایشان ۳۸
۲-۷-۴- دوره چهارم: یکپارچه‌سازی سیستم‌ها و مرتبط كردن مشتریان با تمامی عملیات بانكی ۳۹
۲-۷-۵- بانكداری الكترونیك ۳۹
۲-۸- داده‌کاوی ۴۰
۲-۸-۱- مقایسه روش‌های آماری و داده‌کاوی ۴۰
۲-۸-۲- مفهوم داده‌کاوی ۴۲
۲-۸-۳- داده‌کاوی و کشف دانش ۴۴
۲-۸-۴- فرایند داده‌کاوی ۴۵
۲-۸-۵- معرفی روش‌های داده‌کاوی ۵۱
۲-۸-۵-۱- دسته‌بندی ۵۳
۲-۸-۵-۲- درخت تصمیم ۵۳
۲-۸-۵-۳- شبکه‌های عصبی ۵۵
۲-۸-۵-۴- پیش بینی ۵۶
۲-۸-۵-۵- خوشه‌بندی ۵۶
۲-۸-۵-۵- انواع خوشه‌بندی ۵۷
۲-۸-۵-۵-۲- معیارهای ارزیابی در خوشه‌بندی ۵۹
۲-۸-۵-۶- تحلیل انحراف ۶۰
۲-۸-۵-۷- قواعد وابستگی (انجمنی) ۶۱
۲-۸-۵-۸- تحلیل توالی ۶۱
۲-۸-۶- نرم‌افزار داده‌کاوی ۶۲
۲-۸-۷- کاربردهای داده‌کاوی ۶۳
۲-۸-۷-۱- داده‌کاوی در صنعت بانكداری ۶۳
۲-۹- پیشینه تحقیق ۶۵
۲-۹-۱- کاربرد داده‌کاوی در بخش‌بندی و مدل‌سازی رفتاری مشتریان در صنعت بانکداری ۶۶
۲-۹-۲- کاربرد داده‌کاوی در ارزیابی اعتبار مشتریان ۶۸
۲-۹-۳- کاربرد داده‌کاوی در زمینه کشف تقلب ۶۹
۲-۹-۴- کاربرد داده‌کاوی در تحلیل روی‌گردانی مشتری ۶۹
۲-۱۰- جمع‌بندی مطالب فصل ۷۴
منابع و مآخذ
فهرست جدول‌ها
جدول ۲-۱ انواع مختلف تبدیلات دانش ۱۹
جدول ۲-۲ مقایسه مفاهیم مدیریت دانش، مدیریت ارتباط با مشتری و مدیریت دانش مشتری ۳۵
جدول ۲-۳ مقایسه روش‌های تحلیل آماری و داده‌کاوی ۴۱
جدول ۲-۴ فعالیت‌های مربوط به فازهای CRISP-DM و خروجی هر فعالیت ۵۰
جدول ۲-۵ نمونه داده‌های مورد نیاز در یک مسئله مدل‌سازی به روش دسته‌بندی ۵۴
جدول ۲-۶ معیارهای محاسبه شباهت در خوشه‌بندی ۵۹
جدول ۲-۷ معیارهای محاسبه فاصله در خوشه‌بندی ۶۰
جدول ۲-۸ پژوهش‌های انجام‌گرفته در زمینه کاربرد داده‌کاوی در صنعت بانکداری ۷۱
فهرست تصاویر و نمودارها
شکل ۲-۱ سلسله‌مراتب دانش ۱۶
شکل ۲-۲ دانش صریح فقط بخش کوچکی از دانش را تشکیل می‌دهد. ۱۷
شکل ۲-۳ مدل مدیریت دانش پروبست و رمهارد ۲۲
شکل ۲-۴ چارچوب خوشه انگور جهت نوع شناسی دانش مشتری ۲۶
شکل ۲-۵ مدل مدیریت دانش مشتری ۲۸
شکل ۲-۷ گام‌های فرایند تولید دانش از پایگاه داده‌ها ۴۴
شکل ۲-۸ متدولوژی فرآیند استاندارد میان صنعتی داده‌کاوی (CRISP-DM) 47
شکل ۲-۹ دسته‌بندی کلی عملکردهای داده‌کاوی ۵۲
شکل ۲-۱۱ نیروهای رقابتی پورتر ۶۴
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان

هدف از این پایان نامه بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان بانک مهر اقتصاد می باشد

دسته بندی رشته فناوری اطلاعات (IT)
فرمت فایل doc
حجم فایل ۱٫۱۰۳ مگا بایت
تعداد صفحات ۱۶۵
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

دانلودپایان نامه کارشناسی ارشد در رشتهفناوری اطلاعات
بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان

چکیده
افزایش روزافزون سطح رقابت در بازار، مدیران و تحلیل گران سازمان ها را وادار ساخته به دنبال راهکارهایی باشند که مزیت رقابتی را برای سازمان به ارمغان آورند. بر اساس مطالعات موجود، استفاده از دانش مشتری جهت اتخاذ استراتژی‌های لازم برای جلب رضایت مشتری می تواند سازمان ها را به سمت تحقق این هدف سوق دهد. از سوی دیگر گسترش بهره گیری از فناوری های بروز در زمینه اطلاعات و ارتباطات خصوصاً در بانک ها باعث بر جای ماندن حجم عظیمی از داده ها گشته که تحلیل و تصمیم-گیری بر اساس آن ها با روش های معمول گزارش گیری و روش-های آماری امکان پذیر نمی باشد. داده کاوی ابزار بروز و قدرتمندی است که در این پایان نامه جهت تحلیل داده ها به جهت استخراج دانش مشتری پیشنهاد می گردد.
هدف از این تحقیق با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده‌کاوی»، بخش‌بندی مشتریان بانک مهر اقتصاد، باهدف کشف ویژگی‌های رفتاری مشابه، برای کمک به مدیران این بانک جهت تسهیل اتخاذ استراتژی‌های متناسب با هر بخش و در نتیجه حفظ، تقویت و یا توسعه ارتباط با مشتریان و نهایتاً سودآوری برای این بانک می باشد. داده‌های خام مورد نیاز جهت این مطالعه از پایگاه داده‌های بانک مهر اقتصاد استخراج شده است.
كلمات كلیدی :

داده کاوی

کشف دانش

مدیریت دانش مشتری

خوشه بندی مشتریان

مقدمه
در سال های اخیر دانش به عنوان منبعی ارزشمند در کنار منابعی چون کار، زمین، سرمایه قرار گرفت و به عنوان موتور تولیدکننده درآمد و یك دارایی مهم و راهبُردی برای سازمان شناخته شد. از طرفی به دلیل وجود رقابت شدید در بین کسب و کارهای امروزی از جمله صنعت بانکداری، مشتری و توجه به جایگاه او و ارتباط با او اهمیت ویژه ای یافته است. بنابراین مبحث بسیار مهم مدیریت دانش مشتری مطرح گردید که امروزه مطالعات بسیار زیادی را به خود اختصاص داده است. مدیریت دانش مشتری با استفاده از راهکارهای مختلف مدیریت دانش نظیر روش‌های داده‌کاوی زمینه بسیار خوبی را جهت استفاده مفید از گنجینه گران‌بهای دانش مشتری فراهم می آورد.
از سوی دیگر در عصر حاضر بهره گیری از فناوری های نوین اطلاعات و ارتباطات در عرصه های مختلف کسب وکار به امری گریزناپذیر مبدل گشته است. به طور خاص صنعت بانکداری از جمله صنایعی است که به‌کارگیری فناوری های روز دنیا در این صنعت می تواند مزیت رقابتی انکارناپذیری را برای آن ایجاد نماید. بنابراین این صنعت نیز از بهره گیری از بروزترین فناوری ها مستثنا نبوده و مواردی مانند بانکداری الکترونیک، سیستم‌های یکپارچه بانکداری ، دستگاه های خودپرداز، کارت های اعتباری، پایانه های خرید الکترونیک و… از مصادیق این امر می باشد.
ورود فناوری های جدید به سازمان سبب افزایش چشمگیر سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از داده‌ها گشته است. از آنجا که این داده‌ها اغلب حجیم و وسیع می-باشند، معمولاً به صورت خام قابل‌استفاده نیستند، بلکه دانش موجود در آن ها باید استخراج گردد. با این وجود که ارزش این داده‌ها بر کسی پوشیده نیست، حجم بسیار بالای داده‌های ارزشمند موجود، تحلیل و بهره گیری از آن ها را به امری چالش‌برانگیز مبدل ساخته است.
چرا که تحلیل به واسطه روش‌های گزارش گیری سنتی در این مقیاس امکان پذیر نیست و روش‌های آماری موجود نیز از ظرفیت کافی جهت تحلیل این داده‌ها برخوردار نمی باشند. بنابراین باید به دنبال راهکاری بود که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامع تر با نتایج دقیق تر و درصد خطای پایین تر را ممکن سازد. این مسئله گواهی بر لزوم به‌کارگیری روش‌های نوین تحلیل داده‌ها جهت حصول دانش، نظیر روش داده‌کاوی خواهد بود.دانش قابل توجهی که در زمان استفاده از خدمت یا مصرف کالا توسط مشتری، بین مشتری و سازمان تبادل می شود، به عنوان منبعی مهم برای سازمان شناخته می شود و کسب و بهره برداری از آن به یک مزیت رقابتی در سازمان ها تبدیل شده است.مدیریت دانش مشتری دربردارنده فرایندهایی ست که با شناسایی و اکتساب اطلاعات مشتری و نیز ایجاد و بهره برداری از دانش مشتریان، مربوط است [۹]. چنین اطلاعاتی در ماورای محدوده های خارجی سازمان قرار دارند و دانشی که از آن ها استخراج می شود موجب ایجاد ارزش برای سازمان و مشتریان آن خواهد شد [۳۲]. در این تحقیق مسئولیت کشف دانش بر عهده الگوریتم‌های داده‌کاوی خواهد بود. در ادامه از این دانش به عنوان راهنما در مسیر اتخاذ استراتژی‌های سازمان، بهره گیری می شود.
فهرست مطالب
فصل اول ۱
۱-۱- مقدمه ۲
۱-۲- تعریف مسئله ۳
۱-۳- ضرورت انجام تحقیق ۷
۱-۴- مراحل انجام تحقیق ۸
۱-۵- محدوده تحقیق ۹
۱-۶- اهداف تحقیق ۹
۱-۷- ساختار پایان‌نامه ۱۰
فصل دوم ۱۲
۲-۱- مقدمه ۱۳
۲-۲- مدیریت دانش ۱۴
۲-۲-۱- دانش چیست؟ ۱۵
۲-۲-۲- هرم دانش ۱۵
۲-۲-۳- انواع دانش ۱۶
۲-۲-۳-۱- دانش صریح ۱۶
۲-۲-۳-۲- دانش ضمنی ۱۶
۲-۲-۴- مدیریت دانش چیست؟ ۱۷
۲-۲-۵- استراتژی‌های مدیریت دانش ۱۸
۲-۲-۵-۱- استراتژی اجتماعی سازی (تبدیل دانش پنهان به پنهان) ۱۹
۲-۲-۵- ۲- استراتژی برونی سازی (پنهان به آشکار) ۱۹
۲-۲-۵- ۳- استراتژی ترکیب سازی (آشکار به آشکار) ۲۰
۲-۲-۵- ۴- استراتژی درونیسازی (آشکار به پنهان) ۲۰
۲-۲-۶-معایب عدم بهرهگیری از دانش در سازمان ۲۰
۲-۲-۷- اهداف مدیریت دانش ۲۱
۲-۲-۸- مدل های مدیریت دانش ۲۱
۲-۳- مدیریت دانش مشتری ۲۳
۲-۳-۱- انواع دانش مشتری ۲۴
۲-۳-۲- مدل مدیریت دانش مشتری ۲۸
۲-۴- مدیریت ارتباط با مشتری ۲۹
۲-۴-۱- مدیریت ارتباط مشتریان در نظام بانکی ۳۲
۲-۴-۲- مدیریت ارتباط با مشتری: اهداف، مزایا و چالش‌ها ۳۳
۲-۵- مقایسه مفاهیم CKM و KM و CRM 34
۲-۶- تاریخچه‌ای از بانک و بانکداری ۳۷
۲-۷- سیر تحول فناوری اطلاعات در صنعت بانكداری ۳۸
۲-۷-۱ دوره اول: اتوماسیون پشت باجه ۳۸
۲-۷-۲- دوره دوم: اتوماسیون جلوی باجه ۳۸
۲-۷-۳- دوره سوم: اتصال مشتریان به حساب‌هایشان ۳۸
۲-۷-۴- دوره چهارم: یکپارچه‌سازی سیستم‌ها و مرتبط كردن مشتریان با تمامی عملیات بانكی ۳۹
۲-۷-۵- بانكداری الكترونیك ۳۹
۲-۸- داده‌کاوی ۴۰
۲-۸-۱- مقایسه روش‌های آماری و داده‌کاوی ۴۰
۲-۸-۲- مفهوم داده‌کاوی ۴۲
۲-۸-۳- داده‌کاوی و کشف دانش ۴۴
۲-۸-۴- فرایند داده‌کاوی ۴۵
۲-۸-۵- معرفی روش‌های داده‌کاوی ۵۱
۲-۸-۵-۱- دسته‌بندی ۵۳
۲-۸-۵-۲- درخت تصمیم ۵۳
۲-۸-۵-۳- شبکه‌های عصبی ۵۵
۲-۸-۵-۴- پیش بینی ۵۶
۲-۸-۵-۵- خوشه‌بندی ۵۶
۲-۸-۵-۵- انواع خوشه‌بندی ۵۷
۲-۸-۵-۵-۲- معیارهای ارزیابی در خوشه‌بندی ۵۹
۲-۸-۵-۶- تحلیل انحراف ۶۰
۲-۸-۵-۷- قواعد وابستگی (انجمنی) ۶۱
۲-۸-۵-۸- تحلیل توالی ۶۱
۲-۸-۶- نرم‌افزار داده‌کاوی ۶۲
۲-۸-۷- کاربردهای داده‌کاوی ۶۳
۲-۸-۷-۱- داده‌کاوی در صنعت بانكداری ۶۳
۲-۹- پیشینه تحقیق ۶۵
۲-۹-۱- کاربرد داده‌کاوی در بخش‌بندی و مدل‌سازی رفتاری مشتریان در صنعت بانکداری ۶۶
۲-۹-۲- کاربرد داده‌کاوی در ارزیابی اعتبار مشتریان ۶۸
۲-۹-۳- کاربرد داده‌کاوی در زمینه کشف تقلب ۶۹
۲-۹-۴- کاربرد داده‌کاوی در تحلیل روی‌گردانی مشتری ۶۹
۲-۱۰- جمع‌بندی مطالب فصل ۷۴
فصل سوم ۷۶
۳-۱- مقدمه ۷۷
۳-۲- روش پیشنهادی ۷۷
۳-۲-۱- چارچوب تحقیق ۷۷
۳-۲-۲- انتخاب متغیرها ۷۹
۳-۲-۳- آماده‌سازی و پیش‌پردازش داده‌ها ۸۰
۳-۲-۳-۱- نرمال سازی داده‌ها ۸۱
۳-۲-۴- تعیین تعداد بهینه خوشه‌ها ۸۱
۳-۲-۵- خوشه‌بندی ۸۲
۳-۲-۵-۱- انواع خوشه‌بندی ۸۳
۳-۲-۵-۲- خوشه‌بندی به روش K-Means 84
۳-۲-۵-۱-۱- مزایای استفاده از الگوریتم خوشه‌بندی K-Means 85
۳-۲-۵-۱-۲- محدودیت‌های الگوریتم K-Means 85
۳-۲-۵-۲- خوشه‌بندی به روش WK-Means 86
۳-۲-۵-۳- خوشه‌بندی به روش A-H-Means 87
۳-۲-۶- ارزیابی خوشه‌ها به روش مجموع مربع خطاها و انتخاب بهترین روش ۸۸
۳-۲-۷- به‌کارگیری دانش حاصل از خوشه‌بندی ۹۰
۳-۳- روش‌های جمع آوری اطلاعات ۹۰
۳-۴- جمع‌بندی مطالب فصل ۹۰
فصل چهارم ۹۲
۴-۱- مقدمه ۹۳
۴-۲- معرفی بانک مهر اقتصاد ۹۳
۴-۳- موضوع و فعالیت بانک ۹۴
۴-۴- محاسبات تحقیق ۹۴
۴-۴-۱- گام انتخاب و جمع آوری متغیرهای ورودی ۹۵
۴-۴-۲- گام آماده‌سازی و پیش‌پردازش داده‌ها ۹۶
۴-۴-۳-گام تعیین تعداد بهینه خوشه‌ها ۹۷
۴-۴-۴- گام خوشه‌بندی داده‌ها ۹۷
۴-۴-۴-۱- خوشه‌بندی به روش K-Means 98
۴-۴-۴-۲- خوشه‌بندی به روش WK-Means 100
۴-۴-۴-۳- خوشه‌بندی به روش A-H-Means 100
۴-۴-۵- ارزیابی خوشه‌ها به روش مجموع مربع خطاها و انتخاب بهترین روش ۱۰۱
۴-۴-۶-گام به‌کارگیری دانش حاصل از خوشه‌بندی ۱۰۲
۴-۵- نتایج تحقیق ۱۰۴
۴-۶- جمع‌بندی مطالب فصل ۱۰۶
فصل پنجم ۱۰۷
۵-۱- مقدمه ۱۰۸
۵-۲- خلاصه تحقیق ۱۰۸
۵-۳- نتیجه‌گیری ۱۰۹
۵-۴- زمینه‌های پیشنهادی، راهکارها و پیشنهاد‌ات جهت پژوهش‌های آتی ۱۱۰
منابع و مآخذ ۱۲۶
فهرست جدول‌ها
جدول ۲-۱ انواع مختلف تبدیلات دانش ۱۹
جدول ۲-۲ مقایسه مفاهیم مدیریت دانش، مدیریت ارتباط با مشتری و مدیریت دانش مشتری ۳۵
جدول ۲-۳ مقایسه روش‌های تحلیل آماری و داده‌کاوی ۴۱
جدول ۲-۴ فعالیت‌های مربوط به فازهای CRISP-DM و خروجی هر فعالیت ۵۰
جدول ۲-۵ نمونه داده‌های مورد نیاز در یک مسئله مدل‌سازی به روش دسته‌بندی ۵۴
جدول ۲-۶ معیارهای محاسبه شباهت در خوشه‌بندی ۵۹
جدول ۲-۷ معیارهای محاسبه فاصله در خوشه‌بندی ۶۰
جدول ۲-۸ پژوهش‌های انجام‌گرفته در زمینه کاربرد داده‌کاوی در صنعت بانکداری ۷۱
جدول ۳-۱ متغیرهای تحقیق ۸۰
جدول ۴-۱ نمونه ده‌تایی از داده‌های مربوط به مشتریان بانک مهر اقتصاد ۹۵
جدول ۴-۲ متغیرهای نرمال شده ۹۶
جدول ۴-۳ وزن نسبی متغیرهای تحقیق ۱۰۰
جدول ۴-۵ مقادیر مجموع مربع خطاها در الگوریتم‌های مختلف خوشه‌بندی ۱۰۱
جدول ۴-۶ دسته‌بندی مشتریان بر مبنای ویژگی‌های رفتاری مشابه ۱۰۳
جدول ۴-۷ اطلاعات مربوط به خوشه‌بندی مشتریان بانک مهر اقتصاد به روش K-Means 104
فهرست تصاویر و نمودارها
شکل ۲-۱ سلسله‌مراتب دانش ۱۶
شکل ۲-۲ دانش صریح فقط بخش کوچکی از دانش را تشکیل می‌دهد. ۱۷
شکل ۲-۳ مدل مدیریت دانش پروبست و رمهارد ۲۲
شکل ۲-۴ چارچوب خوشه انگور جهت نوع شناسی دانش مشتری ۲۶
شکل ۲-۵ مدل مدیریت دانش مشتری ۲۸
شکل ۲-۷ گام‌های فرایند تولید دانش از پایگاه داده‌ها ۴۴
شکل ۲-۸ متدولوژی فرآیند استاندارد میان صنعتی داده‌کاوی (CRISP-DM) 47
شکل ۲-۹ دسته‌بندی کلی عملکردهای داده‌کاوی ۵۲
شکل ۲-۱۱ نیروهای رقابتی پورتر ۶۴
شکل ۳-۱ چارچوب تحقیق ۷۸
شکل ۴-۱ خوشه اول، الگوریتم K-Means 98
شکل ۴-۲ خوشه دوم، الگوریتم K-Means 98
شکل ۴-۳ خوشه سوم، الگوریتم K-Means 99
شکل ۴-۴ خوشه چهارم، الگوریتم K-Means 99
شکل ۴-۵ خوشه پنجم، الگوریتم K-Means 99
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

ارائه مدلی برای مدیریت دانش مشتریان بانک با داده ‌کاوی بر روی داده های واقعی

هدف از این سمینار ارائه مدلی برای مدیریت دانش مشتریان بانک مهر اقتصاد با داده ‌کاوی بر روی داده های واقعی می باشد

دسته بندی رشته فناوری اطلاعات (IT)
فرمت فایل doc
حجم فایل ۳۸۲ کیلو بایت
تعداد صفحات ۵۵
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

دانلودسمینارپایان نامه کارشناسی ارشد در رشتهفناوری اطلاعات
ارائه مدلی برای مدیریت دانش مشتریان بانک با داده ‌کاوی بر روی داده های واقعی

چکیده
در این سمینار روش پیشنهادی و مؤلفه های آن به همراه مدل های مورد استفاده بیان خواهند شد. در ادامه جزئیات مربوط به گام‌های اصلی بیان شده و فرایندهای داخلی آن ها معرفی و روش پیشنهادی بر روی داده‌های واقعی مربوط به مشتریان بانک اقتصاد مهر شعب استان مازندران اعمال می گردد.
در سمینار پیش رو چارچوب کلی روش پیشنهادی تشریح می گردد و سعی شده با طرح این چارچوب بر پایه ی گام‌های اساسی، اهداف تحقیق که همان بخش‌بندی مشتریان و استخراج استراتژی‌های متناسب با هر بخش و به‌کارگیری استراتژی ها و دانش حاصل در چرخه مدیریت دانشی سازمان می باشد، حاصل گردد.
در این مسیر برخی روش‌های موجود در زمینه خوشه‌بندی مبتنی بر بخش‌بندی مانند K-Means، WK-Means، A-Harmonic means و معیارهای ارزیابی و اعتبارسنجی خوشه‌ها همچون شاخص مجموع مربع خطاها و روش Min-Max برای نرمال سازی داده‌ها تشریح خواهند شد.
جایگاه مشتری در فضای رقابتی کسب‌وکار بر کسی پوشیده نیست. به ویژه در نظام بانکی مشتری، نقش بسیار مؤثری در مسیر نیل به اهداف سازمان ایفا می کند. این نقش در بانک های خصوصی بسیار مورد توجه قرار گرفته و این بانک ها مطالعات و فعالیت‌های ویژه ای را در این زمینه اختصاص داده اند. در این تحقیق سعی شده تا با استفاده از روش‌های داده‌کاوی دانش نهفته در اطلاعات موجود در پایگاه داده‌های حاصل از تعاملات بانک و مشتری را استخراج نموده و از آن در جهت اخذ راهبُردهای مدیریت ارتباط با مشتری بهره گیری نماییم.
در سمینار چارچوب کلی روش پیشنهادی و الگوریتم‌های انتخابی برای پیاده سازی گام‌های این روش تشریح گردید.در این ادامه بر طبق چارچوب ارائه شده در فصل قبل، سعی شده تا با اعمال الگوریتم ها بر روی پایگاه داده‌های مشتریان بانک مهر اقتصاد، در جهت حصول اهداف تحقیق که همان بخش‌بندی مشتریان و استخراج راهبُردهای متناسب با هر بخش و به‌کارگیری راهبُردها و دانش حاصل در چرخه مدیریت دانشی سازمان می باشد، گام برداریم.در این تحقیق روش Min-Max برای نرمال سازی داده‌ها، روش‌های K-Means، WK-Means، A-Harmonic means جهت خوشه‌بندی داده‌ها و شاخص مجموع مربع خطاها برای ارزیابی و اعتبارسنجی خوشه‌ها به کار گرفته خواهند شد.مورد مطالعه در این تحقیق مشتریان بانک مهر اقتصاد می-باشند.
كلمات كلیدی :

داده کاوی

کشف دانش

مدیریت دانش مشتری

خوشه بندی مشتریان

فهرست مطالب
۳-۱- مقدمه
۳-۲- روش پیشنهادی
۳-۲-۱- چارچوب تحقیق
۳-۲-۲- انتخاب متغیرها
۳-۲-۳- آماده‌سازی و پیش‌پردازش داده‌ها
۳-۲-۳-۱- نرمال سازی داده‌ها
۳-۲-۴- تعیین تعداد بهینه خوشه‌ها
۳-۲-۵- خوشه‌بندی
۳-۲-۵-۱- انواع خوشه‌بندی
۳-۲-۵-۲- خوشه‌بندی به روش K-Means
۳-۲-۵-۱-۱- مزایای استفاده از الگوریتم خوشه‌بندی K-Means
۳-۲-۵-۱-۲- محدودیت‌های الگوریتم K-Means
۳-۲-۵-۲- خوشه‌بندی به روش WK-Means
۳-۲-۵-۳- خوشه‌بندی به روش A-H-Means
۳-۲-۶- ارزیابی خوشه‌ها به روش مجموع مربع خطاها و انتخاب بهترین روش
۳-۲-۷- به‌کارگیری دانش حاصل از خوشه‌بندی
۳-۳- روش‌های جمع آوری اطلاعات
۳-۴- جمع‌بندی مطالب فصل
۴-۱- مقدمه
۴-۲- معرفی بانک مهر اقتصاد
۴-۳- موضوع و فعالیت بانک
۴-۴- محاسبات تحقیق
۴-۴-۱- گام انتخاب و جمع آوری متغیرهای ورودی
۴-۴-۲- گام آماده‌سازی و پیش‌پردازش داده‌ها
۴-۴-۳-گام تعیین تعداد بهینه خوشه‌ها
۴-۴-۴- گام خوشه‌بندی داده‌ها
۴-۴-۴-۱- خوشه‌بندی به روش K-Means
۴-۴-۴-۲- خوشه‌بندی به روش WK-Means 1
۴-۴-۴-۳- خوشه‌بندی به روش A-H-Means 1
۴-۴-۵- ارزیابی خوشه‌ها به روش مجموع مربع خطاها و انتخاب بهترین روش
۴-۴-۶-گام به‌کارگیری دانش حاصل از خوشه‌بندی
۴-۵- نتایج تحقیق
۴-۶- جمع‌بندی مطالب فصل
منابع و مآخذ
فهرست جدول‌ها
جدول ۳-۱ متغیرهای تحقیق ۸۰
جدول ۴-۱ نمونه ده‌تایی از داده‌های مربوط به مشتریان بانک مهر اقتصاد ۹۵
جدول ۴-۲ متغیرهای نرمال شده ۹۶
جدول ۴-۳ وزن نسبی متغیرهای تحقیق ۱۰۰
جدول ۴-۵ مقادیر مجموع مربع خطاها در الگوریتم‌های مختلف خوشه‌بندی ۱۰۱
جدول ۴-۶ دسته‌بندی مشتریان بر مبنای ویژگی‌های رفتاری مشابه ۱۰۳
جدول ۴-۷ اطلاعات مربوط به خوشه‌بندی مشتریان بانک مهر اقتصاد به روش K-Means 104
فهرست تصاویر و نمودارها
شکل ۳-۱ چارچوب تحقیق ۷۸
شکل ۴-۱ خوشه اول، الگوریتم K-Means 98
شکل ۴-۲ خوشه دوم، الگوریتم K-Means 98
شکل ۴-۳ خوشه سوم، الگوریتم K-Means 99
شکل ۴-۴ خوشه چهارم، الگوریتم K-Means 99
شکل ۴-۵ خوشه پنجم، الگوریتم K-Means 99
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

پروپوزال پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

هدف از این پروپوزال پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی می باشد

دسته بندی رشته فناوری اطلاعات (IT)
فرمت فایل doc
حجم فایل ۷۴ کیلو بایت
تعداد صفحات ۵۸
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

دانلودپروپوزالپایان نامه کارشناسی ارشدرشته فناوری اطلاعات
پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

چکیده :
به دلیل بازار رقابتی شدیدی که امروزه در تجارت الکترونیک وجود دارد شرکت های تجاری در تلاش هستند تا شرایط مدیریت ارتباط با مشتری را هرچه بیشتر بهبود بخشند تا بتوانند مشتریان فعلی را حفظ و دیگر مشتریان را هم جذب کنند.به همین خاطر است که شرکت هایی که کالاهای خود را بصورت اینترنتی به فروش می رسانند به دنبال این هستند تا تبلیغات کالاهایشان بر اساس ترجیحات فردی مشتریان باشد، یعنی تبلیغات را برای هر مشتری شخصی سازی کنند.
برای شخصی سازی تبلیغات شرکت ها باید اطلاعاتی در مورد رفتار خرید پیشین مشتریانشان کسب کنند و بعد از آن این اطلاعات را تجزیه و تحلیل کنند تا بتوانند رفتار خرید آتی مشتریان را پیش بینی کنند. تکنیک داده کاوی ابزاری است که می تواند به شرکت ها کمک کند تا بتوانند اطلاعات رفتار خریدهای پیشین مشتری را تجزیه و تحلیل کرده و قوانینی را استنتاج کنند که برای پیش بینی رفتار خرید آتی مشتری مفید باشند و بر طبق آن بتوانند راهبردهای شخصی سازی تبلیغات برای مشتریان را برپا کنند.
ما در تحقیق خود از داده های جمع آوری شده از مشتری، که رفتار خریدهای پیشین مشتری هستند، استفاده کرده و با بکارگیری روش تاخر، تناوب و مالی ارزش مشتریان را برای شرکت مشخص کردیم.سپس برای خوشه بندی مشتریان بر اساس ارزش آنها، بصورت موازی از الگوریتم خوشه بندی K-Means و K-Harmonic Means استفاده کردیم سپس از الگوریتم استقرایی که یکی از الگوریتم های کشف قوانین وابستگی است استفاده کردیم و تکنیک قوانین وابستگی را بر روی داده های مربوط به هر یک از خوشه هایی که توسط K-Means مشخص شده اند بکار گرفتیم. با استفاده از قوانین بدست آمده از هر خوشه راهبردهای شخصی سازی تبلیغات برای هر خوشه از مشتریان را مشخص کردیم. برای هر مشتری علاوه بر قوانین مربوط به خوشه اصلی که به آن تعلق دارد از قوانین خوشه های دیگری که درجه تعلق مناسبی نسبت به آنها دارد نیز برای تعیین راهبردهای شخصی سازی تبلیغات استفاده کردیم تا بدین ترتیب تعداد تبلیغات پیشنهادی که مطابق با علایق مشتری است را بیشتر کنیم.
کلمات کلیدی:

تکنیک های داده کاوی

ارائه تبلیغ اینترنتی به مشتری

خوشه بندی مشتریان بر اساس ارزش آنها

مقدمه:
پیشرفت فناوری های اطلاعات و ارتباطات، حجم وسیعی از اطلاعات و داده های مفید را در دسترس قرار داده است.با توجه به رشد روز افزون بازار خرید اینترنتی و رقابت شدید بین شرکت ها و سایت های فروش اینترنتی، استفاده بهینه از اطلاعات بازار و مشتری اهمیت ویژه ای پیدا کرده است.ایده ها و راه حل های گوناگونی برای استفاده از اطلاعات بدست آمده از بازار و مشتریان جهت جذب مشتری و مهمتر از آن جهت نگهداری مشتریان فعلی پدید می آیند که یکی از این ایده ها، استفاده از اطلاعات مشتری برای بدست آوردن و پیش بینی کردن علایق آن است.فرایندهای زیادی را می توان برای بدست آوردن علایق مشتریان متصور شد، اما یکی از این فرایندها که امروزه با استقبال زیادی از سوی شرکت های تجاری و صاحبان سایت های فروش اینترنتی مواجه شده است، استفاده از تکنیک های داده کاوی۱ می باشد.با استفاده از تکنیک خوشه بندی۲ و تکنیک قوانین انجمنی۳ که از تکنیک های داده کاوی به شمار می آیند و بر روی داده های مربوط به رفتار خرید پیشین مشتری اعمال می شوند، می توان اطلاعات مفیدی جهت پیش بینی رفتار خرید آتی مشتری کسب نمود.شرکت ها از این اطلاعات استفاده می کنند تا بتوانند کالاهای مورد علاقه مشتریان را در مکان و زمان مناسب به آنها پیشنهاد دهند و بدین ترتیب در جهت سیاست نگهداری و حفظ مشتریان گام بردارند.
فهرست مطالب:
فصل اول: مقدمه و کلیات تحقیق
۱-۱: مقدمه ……………………………………………………………………………………………. ۲
۱-۲: بیان مسئله …………………………………………………………………………………….. ۳
۱-۳: هدف تحقیق …………………………………………………………………………………… ۴
۱-۴: اهمیت تحقیق ………………………………………………………………………………….. ۶
۱-۵: ساختار تحقیق …………………………………………………………………………………. ۷
فصل سوم: روش شناسی تحقیق
۳-۱: مقدمه …………………………………………………………………………………………… ۴۰
۳-۲: اطلاعات مجموعه داده ها و آماده سازی داده ………………………………………… ۴۲
۳-۳: تعیین ارزش مشتری ……………………………………………………………………….. ۴۴
۳-۴: استفاده از تکنیک های داده کاوی ……………………………………………………… ۴۸
۳-۵: رهیافتی برای شخصی سازی تبلیغات …………………………………………………. ۵۶
۳-۶: روش ارزیابی ………………………………………………………………………………… ۵۹
منابع ………………………………………………………………………………………………….
فهرست شکل ها:
شکل ۳-۱ : فرایند شخصی سازی تبلیغات توسط داده کاوی …………………………………………… ۴۱
شکل ۳-۲ : قالب کاری سیستم ارائه تبلیغ در سایت ………………………………………………………… ۵۸
فهرست جدول ها:
جدول ۳-۱ : مشخصات کالاهای موجود ……………………………………………………………………………. ۴۳
جدول ۳-۲ : ارزش گذاری معیار Recency …………………………………………………………………….. 46
جدول ۳-۳ : ارزش گذاری معیار Monetary …………………………………………………………………. 47
جدول ۳-۴ : مثال نحوه تخصیص RFM ……………………………………………………………………………. 48
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

مبانی نظری پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

هدف از این مبانی نظری پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی می باشد

دسته بندی رشته فناوری اطلاعات (IT)
فرمت فایل doc
حجم فایل ۱۰۰ کیلو بایت
تعداد صفحات ۶۰
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

دانلودمبانی نظریپایان نامه کارشناسی ارشدرشته فناوری اطلاعات
پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

چکیده :
به دلیل بازار رقابتی شدیدی که امروزه در تجارت الکترونیک وجود دارد شرکت های تجاری در تلاش هستند تا شرایط مدیریت ارتباط با مشتری را هرچه بیشتر بهبود بخشند تا بتوانند مشتریان فعلی را حفظ و دیگر مشتریان را هم جذب کنند.به همین خاطر است که شرکت هایی که کالاهای خود را بصورت اینترنتی به فروش می رسانند به دنبال این هستند تا تبلیغات کالاهایشان بر اساس ترجیحات فردی مشتریان باشد، یعنی تبلیغات را برای هر مشتری شخصی سازی کنند.
برای شخصی سازی تبلیغات شرکت ها باید اطلاعاتی در مورد رفتار خرید پیشین مشتریانشان کسب کنند و بعد از آن این اطلاعات را تجزیه و تحلیل کنند تا بتوانند رفتار خرید آتی مشتریان را پیش بینی کنند. تکنیک داده کاوی ابزاری است که می تواند به شرکت ها کمک کند تا بتوانند اطلاعات رفتار خریدهای پیشین مشتری را تجزیه و تحلیل کرده و قوانینی را استنتاج کنند که برای پیش بینی رفتار خرید آتی مشتری مفید باشند و بر طبق آن بتوانند راهبردهای شخصی سازی تبلیغات برای مشتریان را برپا کنند.
ما در تحقیق خود از داده های جمع آوری شده از مشتری، که رفتار خریدهای پیشین مشتری هستند، استفاده کرده و با بکارگیری روش تاخر، تناوب و مالی ارزش مشتریان را برای شرکت مشخص کردیم.سپس برای خوشه بندی مشتریان بر اساس ارزش آنها، بصورت موازی از الگوریتم خوشه بندی K-Means و K-Harmonic Means استفاده کردیم سپس از الگوریتم استقرایی که یکی از الگوریتم های کشف قوانین وابستگی است استفاده کردیم و تکنیک قوانین وابستگی را بر روی داده های مربوط به هر یک از خوشه هایی که توسط K-Means مشخص شده اند بکار گرفتیم. با استفاده از قوانین بدست آمده از هر خوشه راهبردهای شخصی سازی تبلیغات برای هر خوشه از مشتریان را مشخص کردیم. برای هر مشتری علاوه بر قوانین مربوط به خوشه اصلی که به آن تعلق دارد از قوانین خوشه های دیگری که درجه تعلق مناسبی نسبت به آنها دارد نیز برای تعیین راهبردهای شخصی سازی تبلیغات استفاده کردیم تا بدین ترتیب تعداد تبلیغات پیشنهادی که مطابق با علایق مشتری است را بیشتر کنیم.
کلمات کلیدی:

تکنیک های داده کاوی

ارائه تبلیغ اینترنتی به مشتری

خوشه بندی مشتریان بر اساس ارزش آنها

مقدمه:
پیشرفت فناوری های اطلاعات و ارتباطات، حجم وسیعی از اطلاعات و داده های مفید را در دسترس قرار داده است.با توجه به رشد روز افزون بازار خرید اینترنتی و رقابت شدید بین شرکت ها و سایت های فروش اینترنتی، استفاده بهینه از اطلاعات بازار و مشتری اهمیت ویژه ای پیدا کرده است.ایده ها و راه حل های گوناگونی برای استفاده از اطلاعات بدست آمده از بازار و مشتریان جهت جذب مشتری و مهمتر از آن جهت نگهداری مشتریان فعلی پدید می آیند که یکی از این ایده ها، استفاده از اطلاعات مشتری برای بدست آوردن و پیش بینی کردن علایق آن است.فرایندهای زیادی را می توان برای بدست آوردن علایق مشتریان متصور شد، اما یکی از این فرایندها که امروزه با استقبال زیادی از سوی شرکت های تجاری و صاحبان سایت های فروش اینترنتی مواجه شده است، استفاده از تکنیک های داده کاوی۱ می باشد.با استفاده از تکنیک خوشه بندی۲ و تکنیک قوانین انجمنی۳ که از تکنیک های داده کاوی به شمار می آیند و بر روی داده های مربوط به رفتار خرید پیشین مشتری اعمال می شوند، می توان اطلاعات مفیدی جهت پیش بینی رفتار خرید آتی مشتری کسب نمود.شرکت ها از این اطلاعات استفاده می کنند تا بتوانند کالاهای مورد علاقه مشتریان را در مکان و زمان مناسب به آنها پیشنهاد دهند و بدین ترتیب در جهت سیاست نگهداری و حفظ مشتریان گام بردارند.
فهرست مطالب:
فصل دوم: پیشینه و مفاهیم تحقیق
۲-۱: مبانی نظری……………………………………………………………………………………… ۱۰
۲-۱-۱: مدیریت ارتباط با مشتری………………………………………………………. ۱۰
۲-۱-۱-۱: تعریف مدیریت ارتباط با مشتری …………………………………………… ۱۰
۲-۱-۱-۲: تبلیغات اینترنتی …………………………………………………………… ۱۳
۲-۱-۲: داده کاوی …………………………………………………………………………………… ۱۵
۲-۱-۲-۱: تعریف داده کاوی ……………………………………………………………………… ۱۵
۲-۱-۲-۲: خوشه بندی ……………………………………………………………………………. ۱۸
۲-۱-۲-۳: قوانین وابستگی ……………………………………………………………………… ۲۵
۲-۱-۳: شیوه تاخر، تناوب و مالی ………………………………………………………………. ۳۱
۲-۲: پیشینه تحقیقاتی ………………………………………………………………………….. ۳۳
منابع …………………………………………………………………………………………………. ۱۳۱
فهرست جدول ها:
جدول ۲-۱ : مثال تراکنش های خرید ………………………………………………………………………………. ۲۶
جدول ۲-۲ : مثال معیاردهی RFM ………………………………………………………………………………….. 33
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

روش مناسب برای پیش بینی قیمت طلا توسط تکنیکهای داده کاوی

هدف از این پژوهش و سمینار ارائه روش مناسب برای پیش بینی قیمت طلا توسط تکنیک‌های داده کاوی می باشد

دسته بندی رشته فناوری اطلاعات (IT)
فرمت فایل doc
حجم فایل ۷۲۲ کیلو بایت
تعداد صفحات ۵۸
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

دانلود سمینار پایان‌نامه كارشناسی ارشدمهندسی فناوری اطلاعات

روش مناسب برای پیش بینی قیمت طلا توسط تکنیک‌های داده کاوی

چکیده

در این تحقیق روش مناسب برای پیش بینی قیمت طلا توسط تکنیک‌های داده کاوی معرفی خواهد شد که در پی افزایش میزان دقت پیش بینی قیمت طلا و در نتیجه افزایش سودآوری برای افراد و سایر صرافی ها و طلافروشی ها است، سپس به منظور ارزیابی روش پیشنهادی، عوامل موثر پیشین بر پیش بینی قیمت طلا با عوامل موثر بررسی شده در پژوهش توسط فنون متداول داده كاوی سنجیده خواهد شد.

معرفی روش پیشنهادی

در این قسمت،ما ابتدا، عوامل موثر سیاسی و اقتصادی واجتماعی و فرهنگی موثر بر پیش بینی قیمت طلا را بررسی میکنیم که در پژوهش‌های پیشین فقط به پاره ای از عوامل اقتصادی بسنده شده بود وسپس در قسمت بعدی، ضریب همبستگی بین عوامل موثر و قیمت طلا بررسی می‌شود و در نهایت هر دو مدل پیش بینی قیمت طلا با بررسی عوامل موثر پیشین و عوامل موثر بررسی شده در پژوهش مورد ارزیابی با نرم افزارهای داده کاوی مورد تجزیه و تحلیل قرار گرفته و در صد پیش بینی صحیح و مقدار خطاهای آنها مورد بررسی قرار گرفته و نتایج با هم مورد مقایسه قرار می‌گیرند تا بهبود دقت پیش بینی ها با بررسی و افزایش تعداد عوامل موثر مورد بحث قرار گیرد.

واژگان کلیدی:
داده کاوی
دقت پیش بینی
سری‌های زمانی
شبکه‌های عصبی
روش‌های رگرسیون
عوامل موثربرپیش بینی
مقدمه:
طلا همواره به عنوان رقیبی برای پول‌های رایج و جایگزینی برای آن‌ها در ایفای نقش ذخیره ارزش، موقعیت خود را در بحران‌های سیاسی و اقتصادی حفظ کرده است. طلا همچنان کالایی امن، برای سرمایه‌گذاری در شرایط نامطمئن اقتصادی است.مارتین هنکه، تحلیلگر اقتصادی در این باره می‌گوید:" با وجود تمام این بی ثباتی‌های اقتصادی موجود، سرمایه‌گذاران به دلیل ترس از دست دادن دارایی‌های خود و به منظور رویایی با افزایش تورم، به طلا به عنوان کالایی امن روی آورده‌اند." تداوم سرمایه گذاری در بازار طلا و نقره موجب تداوم روند صعودی قیمت این فلزات گرانبها در بازارهای جهانی و ثبت رکوردهای جدید شده است.قاعدتاً پول رایج هر کشور باید علاوه بر وظیفه مبادله پرداخت، به عنوان وسیلة ذخیرة ارزش نیز مورد استفاده قرار گیرد. در زمان جنگ، انقلاب و تورم شدید، پول رایج یك کشور نمی‌تواند نقش خود را به عنوان ذخیره ارزش به خوبی ایفا نماید؛ چرا که دولتها برای تأمین هزینه‌‌های جنگ ناگزیر پولهای بدون پشتوانه تولید چاپ می کنند.
افزایش حجم پول در گردش و کاهش تولید و انحراف منابع کشور از تولیدات رفاهی به تولیدات و تجهیزات جنگی، موجب تورم می شود و ارزش پول را کاهش می دهد در این زمان مردم برای حفظ ارزش دارایی خود به طلا روی می آورند که ارزش آن با تورم افزایش می یابد و به دارنده خود در مقابل تورم منفعت می رساند؛ بنابراین، طلا از دیرباز، به عنوان پول یا شبه پول، به دلیل قدرت نقدشوندگی بالا در سطح جهانی یك دارایی مهم و مقبول بوده است. قیمت طلا در سطح جهان،با توجه به مقدار عرضه و تقاضا برای آن تعیین می گردد. تولیدکنندگان طلا (معادن)، بانكهای مرکزی و فروشندگان طلای قراضه از بزرگترین عرضه کنندگان طلا به بازارهای جهانی هستند؛ همچنین جواهرسازان، صنعتگران، محتكران شمش طلا و سرمایه گذاران از متقاضیان اصلی طلا در بازار به شمار می‌روند. اهمیت طلا به عنوان یك منبع ثروت و همچنین نقش كنترلی آن در سیستم پولی جهان كه به عنوان نیروی محركه اصلی در اكتشاف، استخراج و تولید طلا مطرح می‌باشند.اگرچه روابط متقابل پول و طلا بسیار پیچیده است و روابطی كه در قطعی بودن آن اتفاق نظر وجود داشته باشد نادر است، ولی حداقل در این خصوص كه این دو به یكدیگر مرتبط هستند اتفاق نظر وجود دارد. این ارتباط در قالب‌های مختلفی بیان شده است.گفتارهای زیر همه به نحوی دلالت براین ارتباط اساسی بین پول و طلا دارند:
۱- جدا از اینكه یك معدن دارای چه نوع ماده معدنی است،معدنكاری آن برای دستیابی به طلاست.
۲- قیمت طلا نه فقط از طریق میزان عرضه و تقاضای آن تعیین می‌شود، بلكه از طریق میزان عرضه و تقاضا برای سرمایه و اعتبار(پول) به منظور رهایی از ركورد اقتصادی نیز كنترل می‌شود.
۳- اگر بخواهیم در اصلاح پایداری قیمت‌ها و اعتماد به پول رایج خاصی موفق باشیم باید ارتباط آن را با طلا تقویت كنیم.
۴- تحت شرایط ثابت از نرخ مبادلات پولی، حتی با رشد اقتصادی بسیار سریع، موازنه مالی جهان وقتی قابل حصول است كه افزایش كل ذخایر پولی بین المللی منطبق بر افزایش تولید طلا باشد نه منطبق بر افزایش یك نوع ذخیره پولی خاص مانند دلار.
به رغم مشكلات موجود در تخمین حوادث سیاسی كوتاه مدت در جهان و اثرات آن در قیمت و تولید طلا در بازار آزاد، می‌توان طلا را به عنوان یك شاخص حساس نسبت به شرایط ملی و بین‌المللی معین از قبیل تورم و یا جنگ معرفی كرد.
با توجه به تئوری‌‌های سنّتی اقتصاد، یکی از ویژگی‌های یک رژیم تغییر پذیر مثل نظام پولی طلای کلاسیکی که حدود سال ۱۸۸۰ تا وقوع جنگ جهانی اول حاکم بود، وجود مجموعه ای از نیروهای بازاری خود به خود تنظیم شونده ای است که باعث ثبات بلند مدت سطح قیمت ها می‌شوند. سازوکاری که این نیروها توسط آن فعالیّت می‌کنند معمولاً توسط تئوری کلاسیکی کالایی پول توصیف می‌شود (بوردو ۱۹۸۴). با توجه به تئوری مذکور، تغییرات تولید طلا در نهایت هر حرکت تورمی یا ضد تورمی سطح قیمت را خنثی خواهد کرد. به هر حال مسئله این است که شوک‌های غیر منتظره عرضه یا تقاضای طلا می‌توانند اثرات کوتاه مدت قابل توجهی بر سطح قیمت و محصول واقعی در مواجهه با انعطاف ناپذیری‌های اسمی داشته باشند.
در یک رژیم بین المللی تغییر پذیر، تثبیت ارزش پول رایج كشورها به قیمت ثابت طلا، تکیه گاه اسمی پایداری برای سیستم پولی بین المللی فراهم می‌کند. گذشته از این، تبعیت از رژیم بین المللی تغییر پذیر به معنای فقدان استقلال پولی و مالی است، چون تحت چنین رژیمی الزام نخست حفظ قابلیت تبدیل پول‌های رایج به فلز قیمتی و نه تثبیت اقتصاد داخلی است (برگمن ۱۹۹۸). فلز طلا به عنوان یك سرمایه ملی و پشتوانه اقتصادی كشور مطرح می‌باشد، بنابراین اطلاع رسانی در مورد آمار قیمت، تولید، ذخیره و… این فلز گران‌بها در ایران در مقایسه با دیگر كشورها، برای برنامه‌ریزی بهتر در جهت استخراج و استفاده از آن مفید و حتی ضروری می‌باشد.
فهرست مطالب
ارائه روش پیشنهادی
۴-۱-مقدمه
۴-۲- معرفی روش پیشنهادی
۴-۳- ارزیابی روش پیشنهادی
۴-۴- انتخاب نرم افزار
۴-۵-مشخصه‌های جمع اوری شده در پژوهش
۴-۶-جدول مربوط به مشخصه‌های جمع آوری شده در پژوهش‌های پیشین
۴-۷-ضریب همبستگی
۴-۸-داده‌های دور افتاده
۴-۹-تکنیک‌های مورد استفاده
۴-۱۰-پیش بینی با استفاده از شبکه‌های عصبی
۴-۱۰-۱-پیش بینی با استفاده از شبکه‌های عصبی متد MLP
۴-۱۰-۲-پیش بینی با استفاده روش شبکه‌های عصبی مدل RBF
۴-۱۱پیش بینی با استفاده از روش رگرسیون
۴-۱۱-۱- پیش بینی با استفاده از روش رگرسیون،روش ورود متغیر Enter
۴-۱۱-۲-پیش بینی با روش رگرسیون با استفاده از روش ورود متغیر Stepwise
۴-۱۲-پیش بینی با استفاده از روش سری‌های زمانی ARIMA
۴-۱۲-۱-محاسبات مربوط به ساختن مدل ARIMA با بررسی عوامل عنوان شده در پژوهش
۴-۱۲-۲-محاسبات مربوط به ساختن مدل ARIMA با بررسی عوامل پیشین
۴-۲- مقایسه نتایج
۴-۱۳-خلاصه فصل
فهرست منابع فارسی
فهرست منابع انگلیسی
فهرست مطالب
جدول ۴-۱-مشخصه‌های جمع آوری شده در مدل ۵۳
جدول۴-۲- مشخصه‌های جمع آوری شده در پژوهش‌های پیشین ۵۵
جدول ۴-۳-مشخصه‌های جمع آوری شده به صورت روزانه در مدل ۵۵
جدول ۴-۴-مشخصه‌های جمع آوری شده به صورت ماهیانه در مدل ۵۵
جدول ۴-۵-مشخصه‌های جمع آوری شده به صورت سالیانه در مدل ۵۶
جدول ۴-۶-ضرایب همبستگی مربوط به عوامل بررسی شده در مدل ۵۷
جدول ۴-۷-دقت پیش بینی با استفاده از شبکه عصبی متد MLP 62
جدول۴-۸-مقادیر خطای به دست آمده با استفاده از شبکه عصبی مدل MLP با بررسی عوامل عنوان شده در پژوهش ۶۳
جدول ۴-۹- مقادیر خطای به دست آمده با استفاده از شبکه عصبی مدل MLP با بررسی عوامل پیشین ۶۳
جدول ۴-۱۰-دقت پیش بینی با روش شبکه‌های عصبی مدل RBF 67
جدول۴-۱۱-مقادیر خطای به دست آمده با استفاده از شبکه عصبی مدل RBF با بررسی عوامل عنوان شده در پژوهش ۶۷
جدول۴-۱۳-مقادیر خطای به دست آمده با استفاده از روش رگرسیون مدل Enter با بررسی عوامل عنوان شده در پژوهش ۷۱
جدول۴-۱۴-مقادیر خطای به دست آمده با استفاده از روش رگرسیون مدل Enter با بررسی عوامل پیشین ۷۱
جدول ۴-۱۵-مقادیر خطای به دست آمده با استفاده از روش رگرسیون متد Stepwise با بررسی عوامل عنوان شده در پژوهش ۷۳
جدول ۴-۱۶- مقادیر خطای به دست آمده با استفاده از روش رگرسیون متد Stepwise با بررسی عوامل پیشین ۷۴
جدول ۴-۱۷- مقادیر خطای به دست آمده با استفاده از روش سری زمانی مدل اریما با بررسی عوامل عنوان شده در پژوهش ۷۶
جدول ۴-۱۸- پارامترهای مدل اریما با بررسی عوامل بررسی شده در پژوهش ۷۶
جدول ۴-۱۹- مقادیر خطای به دست آمده با استفاده از روش سری زمانی مدل اریما با بررسی عوامل پیشین ۷۸
جدول ۴-۲۰- پارامترهای مدل اریما با بررسی عوامل پیشین ۷۸
جدول ۴-۲۱-جدول مقایسه نتایج تکنیک‌های داده کاوی با بررسی عوامل عنوان شده در پژوهش ۷۹
جدول ۴-۲۲-جدول مقایسه نتایج تکنیک‌های داده کاوی با بررسی عوامل پیشین ۷۹
جدول ۴-۲۳-جدول مربوط به بهبود دقت پیش بینی نسبت به عوامل بررسی شده پیشین ۷۹
فهرست مطالب
شكل ۴-۱- صفحه اول نرم افزار كلمنتاین نسخه ۱۲ ۵۲
شکل ۴-۲-شمای کلی از نرم افزار Minitab 16 در پیدا کردن داده‌های دور افتاده ۶۰
شکل ۴-۳- اولویت بندی فیلدهای منتخب توسط الگوریتم شبکه عصبی MLP 63
شکل ۴-۴-نمای پرسپترون سه لایه با اتصالاتش ۶۵
شکل۴-۵- سطح تابع انتقال گوسین در هر واحد شبکه RBF 66
شکل ۴-۶- اولویت بندی فیلدهای منتخب توسط الگوریتم شبکه عصبی متد RBF 68
شکل ۴-۷-نمای RBF سه لایه با اتصالاتش ۶۹
شکل ۴-۸- اولویت بندی فیلدهای منتخب توسط روش رگرسیون با استفاده از روش ورود متغیر enter 70
شکل ۴-۹-معادله رگرسیون به دست آمده برای پیش بینی قیمت طلا با متد Enter 71
شکل ۴-۱۰-اولویت بندی فیلدهای منتخب توسط روش رگرسیون با استفاده از روش ورود متغیر Stepwise 72
شکل ۴-۱۱-معادله رگرسیون به دست آمده برای پیش بینی قیمت طلا با متد Stepwise 73
شکل ۴-۱۲-نمودارتابع خودهمبستگی تفاضل گیری شده با بررسی عوامل عنوان شده در پژوهش ۷۵
شکل ۴-۱۳-نمودارتابع خودهمبستگی جزئی تفاضل گیری شده با بررسی عوامل عنوان شده در پژوهش ۷۵
شکل ۴-۱۴-نمودارتابع خودهمبستگی تفاضل گیری شده با بررسی عوامل پیشین ۷۷
شکل۴-۱۵-نمودارتابع خودهمبستگی جزیی تفاضل گیری شده با بررسی عوامل پیشین ۷۷
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

ارزیابی علل تاثیرگذار بر نرخ طلا و ارائه مدل پیش بینی نرخ آن با استفاده از تکنیکهای پیشرفته داده کاوی

هدف از این پایان‌نامه ارزیابی علل تاثیرگذار بر نرخ طلا و ارائه مدل پیش بینی نرخ آن با استفاده از تکنیکهای پیشرفته داده کاوی می باشد

دسته بندی رشته فناوری اطلاعات (IT)
فرمت فایل doc
حجم فایل ۸۲۱ کیلو بایت
تعداد صفحات ۱۲۳
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

دانلود پایان‌نامه كارشناسی ارشدمهندسی فناوری اطلاعات
ارزیابی علل تاثیرگذار بر نرخ طلا و ارائه مدل پیش بینی نرخ آن با استفاده از تکنیکهای پیشرفته داده کاوی

چکیده
طلا همواره به عنوان فلزی گران بها مورد توجه بشر بوده است، بنابراین پیش بینی قیمت آن از اهمیت فراوانی برخوردار است.بررسی دقیق عوامل موثر در پیش بینی قیمت طلا اهمیت و تاثیر بسزایی در افزایش دقت پیش بینی دارد. در این مطالعه و تحقیق عوامل موثر و بیشتری در مقایسه با تحقیقات قبلی مورد بررسی قرار گرفته است.و از نظر تقسیم بندی زمانی،داده‌های جمع آوری شده به سه دسته روزانه،ماهانه و سالانه تقسیم شدند.آزمایشات انجام شده، نشان داد که دقت پیش بینی ها در این مطالعه، نسبت به مطالعات پیشین، باعث بهبود ۲% دقت پیش بینی در روش‌های شبکه‌های عصبی و ۷٫۳% در روش‌های سری زمانی و ۵٫۶% در روش رگرسیون خطی شده است. نتایج حاصله بیانگر کارآمدی عوامل بررسی شده در پژوهش، برای پیش بینی قیمت طلا می‌باشد و نتایج این تحقیق، باعث سودآوری برای افراد،سایر سازمان ها و طلا فروشی ها می‌باشد. و در انتها پیشنهاداتی برای مطالعات آینده ارائه گردیده است.
واژگان کلیدی:
داده کاوی
دقت پیش بینی
سری‌های زمانی
شبکه‌های عصبی
روش‌های رگرسیون
عوامل موثربرپیش بینی
مقدمه:
طلا همواره به عنوان رقیبی برای پول‌های رایج و جایگزینی برای آن‌ها در ایفای نقش ذخیره ارزش، موقعیت خود را در بحران‌های سیاسی و اقتصادی حفظ کرده است. طلا همچنان کالایی امن، برای سرمایه‌گذاری در شرایط نامطمئن اقتصادی است.مارتین هنکه، تحلیلگر اقتصادی در این باره می‌گوید:" با وجود تمام این بی ثباتی‌های اقتصادی موجود، سرمایه‌گذاران به دلیل ترس از دست دادن دارایی‌های خود و به منظور رویایی با افزایش تورم، به طلا به عنوان کالایی امن روی آورده‌اند." تداوم سرمایه گذاری در بازار طلا و نقره موجب تداوم روند صعودی قیمت این فلزات گرانبها در بازارهای جهانی و ثبت رکوردهای جدید شده است.قاعدتاً پول رایج هر کشور باید علاوه بر وظیفه مبادله پرداخت، به عنوان وسیلة ذخیرة ارزش نیز مورد استفاده قرار گیرد. در زمان جنگ، انقلاب و تورم شدید، پول رایج یك کشور نمی‌تواند نقش خود را به عنوان ذخیره ارزش به خوبی ایفا نماید؛ چرا که دولتها برای تأمین هزینه‌‌های جنگ ناگزیر پولهای بدون پشتوانه تولید چاپ می کنند.
افزایش حجم پول در گردش و کاهش تولید و انحراف منابع کشور از تولیدات رفاهی به تولیدات و تجهیزات جنگی، موجب تورم می شود و ارزش پول را کاهش می دهد در این زمان مردم برای حفظ ارزش دارایی خود به طلا روی می آورند که ارزش آن با تورم افزایش می یابد و به دارنده خود در مقابل تورم منفعت می رساند؛ بنابراین، طلا از دیرباز، به عنوان پول یا شبه پول، به دلیل قدرت نقدشوندگی بالا در سطح جهانی یك دارایی مهم و مقبول بوده است. قیمت طلا در سطح جهان،با توجه به مقدار عرضه و تقاضا برای آن تعیین می گردد. تولیدکنندگان طلا (معادن)، بانكهای مرکزی و فروشندگان طلای قراضه از بزرگترین عرضه کنندگان طلا به بازارهای جهانی هستند؛ همچنین جواهرسازان، صنعتگران، محتكران شمش طلا و سرمایه گذاران از متقاضیان اصلی طلا در بازار به شمار می‌روند. اهمیت طلا به عنوان یك منبع ثروت و همچنین نقش كنترلی آن در سیستم پولی جهان كه به عنوان نیروی محركه اصلی در اكتشاف، استخراج و تولید طلا مطرح می‌باشند.اگرچه روابط متقابل پول و طلا بسیار پیچیده است و روابطی كه در قطعی بودن آن اتفاق نظر وجود داشته باشد نادر است، ولی حداقل در این خصوص كه این دو به یكدیگر مرتبط هستند اتفاق نظر وجود دارد. این ارتباط در قالب‌های مختلفی بیان شده است.گفتارهای زیر همه به نحوی دلالت براین ارتباط اساسی بین پول و طلا دارند:
۱- جدا از اینكه یك معدن دارای چه نوع ماده معدنی است،معدنكاری آن برای دستیابی به طلاست.
۲- قیمت طلا نه فقط از طریق میزان عرضه و تقاضای آن تعیین می‌شود، بلكه از طریق میزان عرضه و تقاضا برای سرمایه و اعتبار(پول) به منظور رهایی از ركورد اقتصادی نیز كنترل می‌شود.
۳- اگر بخواهیم در اصلاح پایداری قیمت‌ها و اعتماد به پول رایج خاصی موفق باشیم باید ارتباط آن را با طلا تقویت كنیم.
۴- تحت شرایط ثابت از نرخ مبادلات پولی، حتی با رشد اقتصادی بسیار سریع، موازنه مالی جهان وقتی قابل حصول است كه افزایش كل ذخایر پولی بین المللی منطبق بر افزایش تولید طلا باشد نه منطبق بر افزایش یك نوع ذخیره پولی خاص مانند دلار.
به رغم مشكلات موجود در تخمین حوادث سیاسی كوتاه مدت در جهان و اثرات آن در قیمت و تولید طلا در بازار آزاد، می‌توان طلا را به عنوان یك شاخص حساس نسبت به شرایط ملی و بین‌المللی معین از قبیل تورم و یا جنگ معرفی كرد.
با توجه به تئوری‌‌های سنّتی اقتصاد، یکی از ویژگی‌های یک رژیم تغییر پذیر مثل نظام پولی طلای کلاسیکی که حدود سال ۱۸۸۰ تا وقوع جنگ جهانی اول حاکم بود، وجود مجموعه ای از نیروهای بازاری خود به خود تنظیم شونده ای است که باعث ثبات بلند مدت سطح قیمت ها می‌شوند. سازوکاری که این نیروها توسط آن فعالیّت می‌کنند معمولاً توسط تئوری کلاسیکی کالایی پول توصیف می‌شود (بوردو ۱۹۸۴). با توجه به تئوری مذکور، تغییرات تولید طلا در نهایت هر حرکت تورمی یا ضد تورمی سطح قیمت را خنثی خواهد کرد. به هر حال مسئله این است که شوک‌های غیر منتظره عرضه یا تقاضای طلا می‌توانند اثرات کوتاه مدت قابل توجهی بر سطح قیمت و محصول واقعی در مواجهه با انعطاف ناپذیری‌های اسمی داشته باشند.
در یک رژیم بین المللی تغییر پذیر، تثبیت ارزش پول رایج كشورها به قیمت ثابت طلا، تکیه گاه اسمی پایداری برای سیستم پولی بین المللی فراهم می‌کند. گذشته از این، تبعیت از رژیم بین المللی تغییر پذیر به معنای فقدان استقلال پولی و مالی است، چون تحت چنین رژیمی الزام نخست حفظ قابلیت تبدیل پول‌های رایج به فلز قیمتی و نه تثبیت اقتصاد داخلی است (برگمن ۱۹۹۸). فلز طلا به عنوان یك سرمایه ملی و پشتوانه اقتصادی كشور مطرح می‌باشد، بنابراین اطلاع رسانی در مورد آمار قیمت، تولید، ذخیره و… این فلز گران‌بها در ایران در مقایسه با دیگر كشورها، برای برنامه‌ریزی بهتر در جهت استخراج و استفاده از آن مفید و حتی ضروری می‌باشد.
فهرست مطالب
فصل اول: کلیات۲
۱-۱ضرورت و اهمیت پیش بینی قیمت طلا ۲
۱-۲-هدف پایان نامه ۵
۱-۳- مراحل انجام تحقیق ۵
۱-۴ – ساختار پایان نامه ۶
فصل دوم: ادبیات موضوع و مبانی نظری تحقیق ۸
۲-۱-مقدمه ۸
۲-۲-رویكرد ماشین و داده كاوی ۸
۲-۳-فرایند داده كاوی ۱۰
۲-۴-ابزارها و تكنیك‌‌های داده كاوی ۱۲
۲-۵-روش‌‌های داده كاوی ۱۳
۲-۵-۱- روش‌‌های توصیف داده ها ۱۳
۲-۵-۲-درخت تصمیم ۱۳
۲-۵-۳-شبكه عصبی ۱۴
۲-۵-۴-تشخیص آنومالی ۱۴
۲-۵-۵-روش‌های سری زمانی ۱۵
۲-۵-۶-روش‌های رگرسیون خطی ۱۵
۲-۶-خلاصه فصل ۱۶

فصل سوم: بررسی عوامل موثر بر پیش بینی قیمت طلا ۱۸

۳-۱-مقدمه ۱۸
۳-۲- مجموع عوامل تاثیر گذار بر قیمت طلا ۱۸
۳-۲-۱-شاخص بهای مصرف کننده (CPI) 19
۳-۲-۲-SPDR 20
۳-۲-۳-تعهدات باز (OPEN INTEREST) 20
۳-۲-۴-هرج و مرج و جنگ در کشور‌های تولید کننده نفت ۲۱
۳-۲-۵-شاخص دلار آمریکا ۲۲
۳-۲-۶-فروش رسمی ۲۳
۳-۲-۷-USGDP:تولید ناخالص داخلی ایالت متحده ۲۳
۳-۲-۸-قیمت مسکن ۲۳
۳-۲-۹-ذخائر نفت ایالت متحده ۲۴
۳-۲-۱۰-نرخ مبادله دلار /یورو ۲۴
۳-۲-۱۱هزینه مصرف خصوصی ۲۵
۳-۲-۱۲-هزینه مصرفی دولت و سرمایه ناخالص ۲۶
۳-۲-۱۳-صادرات کالا و خدمات ۲۷
۳-۲-۱۴-واردات کالا و خدمات ۲۸
۳-۲-۱۵-افزایش هزینه‌ی نیروی کار ۲۸
۳-۲-۱۶-افزایش تقاضای طلای هند و چین ۲۸
۳-۲-۱۷-بحران‌های اقتصادی آمریکا و بدتر شدن وضعیت اقتصادی جهان ۲۹
۳-۲-۱۸تورم ناشی از به‌کارگیری سیاست‌های انبساطی پولی بانک‌های مرکزی ۳۰
۳-۲-۱۹-بحران بدهی دولت آمریکا و کشورهای منطقه‌ی یورو و ژاپن ۳۰
۳-۲-۲۰-ورود بانک مرکزی کشورها به بازار طلا ۳۱
۳-۲- ۲۱-کاهش نرخ بهره بانکی ۳۲
۳-۲-۲۲- صندوق بین‌المللی پول و فروش طلا ۳۲
۳-۲-۲۳-تغییر ارزش دلار نسبت به نرخ سایر ارزها(اندیس دلار) ۳۴
۳-۲-۲۴-اعیاد و مناسبت ها ۳۴
۳-۲-۲۵- رشد نقدینگی ۳۴
۳-۲-۲۵-۱-تزریق در آمد‌‌های ارزی حاصل از فروش نفت به جامعه ۳۵
۳-۲-۲۵-۲- افزایش نقدینگی توسط بانك مركزی ۳۵
۳-۲-۲۵-۳-اعتبارات و پرداخت‌‌های بانك مركزی و سیستم بانكی ۳۶
۳-۲-۲۵-۴- استقراض بیش از حد دولت از بانك مركزی ۳۶
۳-۲-۲۵-۵- سیاست‌‌های پولی انبساطی ۳۷
۳-۲-۲۵-۶- كسری بودجه دولت ۳۷
۳-۲-۲۶-شاخص در آمد کل ۳۷
۳-۲-۲۷-قیمت مس ۳۸
۳-۳-مروری بر تحقیقات انجام شده ۳۹
۳-۴-خلاصه فصل ۴۸
فصل چهارم: ارائه روش پیشنهادی ۵۰
۴-۱-مقدمه ۵۰
۴-۲- معرفی روش پیشنهادی ۵۰
۴-۳- ارزیابی روش پیشنهادی ۵۱
۴-۴- انتخاب نرم افزار ۵۱
۴-۵-مشخصه‌های جمع اوری شده در پژوهش ۵۳
۴-۶-جدول مربوط به مشخصه‌های جمع آوری شده در پژوهش‌های پیشین ۵۵
۴-۷-ضریب همبستگی ۵۷
۴-۸-داده‌های دور افتاده ۵۹
۴-۹-تکنیک‌های مورد استفاده ۶۰
۴-۱۰-پیش بینی با استفاده از شبکه‌های عصبی ۶۱
۴-۱۰-۱-پیش بینی با استفاده از شبکه‌های عصبی متد MLP 61
۴-۱۰-۲-پیش بینی با استفاده روش شبکه‌های عصبی مدل RBF 65
۴-۱۱پیش بینی با استفاده از روش رگرسیون ۶۹
۴-۱۱-۱- پیش بینی با استفاده از روش رگرسیون،روش ورود متغیر Enter 70
۴-۱۱-۲-پیش بینی با روش رگرسیون با استفاده از روش ورود متغیر Stepwise 72
۴-۱۲-پیش بینی با استفاده از روش سری‌های زمانی ARIMA 74
۴-۱۲-۱-محاسبات مربوط به ساختن مدل ARIMA با بررسی عوامل عنوان شده در پژوهش ۷۴
۴-۱۲-۲-محاسبات مربوط به ساختن مدل ARIMA با بررسی عوامل پیشین ۷۶
۴-۲- مقایسه نتایج ۷۹
۴-۱۳-خلاصه فصل ۸۰
فصل پنجم: مقایسه و نتیجه گیری ۸۲
۵-۱- جمع بندی مطالب ۸۲
۵-۲-نتیجه گیری ۸۲
۵-۳-پیشنهاداتی برای مطالعات آینده ۸۳
فهرست منابع فارسی ۸۴
فهرست منابع انگلیسی ۸۶
فهرست مطالب
جدول ۴-۱-مشخصه‌های جمع آوری شده در مدل ۵۳
جدول۴-۲- مشخصه‌های جمع آوری شده در پژوهش‌های پیشین ۵۵
جدول ۴-۳-مشخصه‌های جمع آوری شده به صورت روزانه در مدل ۵۵
جدول ۴-۴-مشخصه‌های جمع آوری شده به صورت ماهیانه در مدل ۵۵
جدول ۴-۵-مشخصه‌های جمع آوری شده به صورت سالیانه در مدل ۵۶
جدول ۴-۶-ضرایب همبستگی مربوط به عوامل بررسی شده در مدل ۵۷
جدول ۴-۷-دقت پیش بینی با استفاده از شبکه عصبی متد MLP 62
جدول۴-۸-مقادیر خطای به دست آمده با استفاده از شبکه عصبی مدل MLP با بررسی عوامل عنوان شده در پژوهش ۶۳
جدول ۴-۹- مقادیر خطای به دست آمده با استفاده از شبکه عصبی مدل MLP با بررسی عوامل پیشین ۶۳
جدول ۴-۱۰-دقت پیش بینی با روش شبکه‌های عصبی مدل RBF 67
جدول۴-۱۱-مقادیر خطای به دست آمده با استفاده از شبکه عصبی مدل RBF با بررسی عوامل عنوان شده در پژوهش ۶۷
جدول۴-۱۳-مقادیر خطای به دست آمده با استفاده از روش رگرسیون مدل Enter با بررسی عوامل عنوان شده در پژوهش ۷۱
جدول۴-۱۴-مقادیر خطای به دست آمده با استفاده از روش رگرسیون مدل Enter با بررسی عوامل پیشین ۷۱
جدول ۴-۱۵-مقادیر خطای به دست آمده با استفاده از روش رگرسیون متد Stepwise با بررسی عوامل عنوان شده در پژوهش ۷۳
جدول ۴-۱۶- مقادیر خطای به دست آمده با استفاده از روش رگرسیون متد Stepwise با بررسی عوامل پیشین ۷۴
جدول ۴-۱۷- مقادیر خطای به دست آمده با استفاده از روش سری زمانی مدل اریما با بررسی عوامل عنوان شده در پژوهش ۷۶
جدول ۴-۱۸- پارامترهای مدل اریما با بررسی عوامل بررسی شده در پژوهش ۷۶
جدول ۴-۱۹- مقادیر خطای به دست آمده با استفاده از روش سری زمانی مدل اریما با بررسی عوامل پیشین ۷۸
جدول ۴-۲۰- پارامترهای مدل اریما با بررسی عوامل پیشین ۷۸
جدول ۴-۲۱-جدول مقایسه نتایج تکنیک‌های داده کاوی با بررسی عوامل عنوان شده در پژوهش ۷۹
جدول ۴-۲۲-جدول مقایسه نتایج تکنیک‌های داده کاوی با بررسی عوامل پیشین ۷۹
جدول ۴-۲۳-جدول مربوط به بهبود دقت پیش بینی نسبت به عوامل بررسی شده پیشین ۷۹
فهرست مطالب
شكل ۴-۱- صفحه اول نرم افزار كلمنتاین نسخه ۱۲ ۵۲
شکل ۴-۲-شمای کلی از نرم افزار Minitab 16 در پیدا کردن داده‌های دور افتاده ۶۰
شکل ۴-۳- اولویت بندی فیلدهای منتخب توسط الگوریتم شبکه عصبی MLP 63
شکل ۴-۴-نمای پرسپترون سه لایه با اتصالاتش ۶۵
شکل۴-۵- سطح تابع انتقال گوسین در هر واحد شبکه RBF 66
شکل ۴-۶- اولویت بندی فیلدهای منتخب توسط الگوریتم شبکه عصبی متد RBF 68
شکل ۴-۷-نمای RBF سه لایه با اتصالاتش ۶۹
شکل ۴-۸- اولویت بندی فیلدهای منتخب توسط روش رگرسیون با استفاده از روش ورود متغیر enter 70
شکل ۴-۹-معادله رگرسیون به دست آمده برای پیش بینی قیمت طلا با متد Enter 71
شکل ۴-۱۰-اولویت بندی فیلدهای منتخب توسط روش رگرسیون با استفاده از روش ورود متغیر Stepwise 72
شکل ۴-۱۱-معادله رگرسیون به دست آمده برای پیش بینی قیمت طلا با متد Stepwise 73
شکل ۴-۱۲-نمودارتابع خودهمبستگی تفاضل گیری شده با بررسی عوامل عنوان شده در پژوهش ۷۵
شکل ۴-۱۳-نمودارتابع خودهمبستگی جزئی تفاضل گیری شده با بررسی عوامل عنوان شده در پژوهش ۷۵
شکل ۴-۱۴-نمودارتابع خودهمبستگی تفاضل گیری شده با بررسی عوامل پیشین ۷۷
شکل۴-۱۵-نمودارتابع خودهمبستگی جزیی تفاضل گیری شده با بررسی عوامل پیشین ۷۷
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود