چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008080 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل فارسی :
320 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
یک رویکرد یادگیری ماشین برای تحلیل میزان رضایت مندی مسافران هوایی بر اساس توییت های ارسال شده
عنوان انگليسي
A machine learning approach to analyze customer satisfaction from airline tweets
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 16 صفحه انگلیسی به صورت پی دی اف و 24 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
تجربه ی مشتریان از پرواز یکی از مهمترین مسائل در صنایع هواپیمایی بشمار می رود. توییتر یکی از پلتفرم های محبوب رسانه اجتماعی است که در آن مسافران هواپیماها بازخوردهای خود را به اشتراک می گذارند. در این مقاله یک رویکرد یادگیری ماشین برای تحلیل توییت ها جهت بهبود تجربه ی مشتریان ارائه شده است. در این روش، ویژگی ها با استفاده از جاسازی کلمات به کمک رویکرد واژه نامه GloVe و رویکرد عبارت های n-کلمه ای استخراج شده اند. علاوه بر این، از معماری های SVM (ماشین بردار پشتیبان) و چندین شبکه عصبی مصنوعی (ANN) برای توسعه ی مدل طبقه بندی استفاده شده که وظیفه ی آن طبقه بندی توییت ها به دسته های (نظرات) مثبت و منفی است. از شبکه های عصبی کانولوشن (CNN) نیز برای دسته بندی توییت ها استفاده شده و نتایج بدست آمده با دقیق ترین مدل (بین مدل های SVM و چندین معماری ANN) مورد مقایسه قرار گرفته است. آزمایشات انجام شده نشان می دهند که CNN عملکرد بهتری نسبت به مدل های SVM و ANN دارد. در پایان نیز از روش کاوش قواعد انجمنی برای تحلیل روابط میان دسته های طبقه بندی شده استفاده شده است. نتایج بدست آمده نشان می دهند که قواعد انجمنی شناسایی شده می توانند به صنایع هواپیمایی کمک کنند تا تجربه ی مشتریان خود را بهبود دهند.
1-مقدمه
پیشرفت های صورت گرفته در تکنولوژی موجب شده تا گوشی های هوشمند در همه جا قابل دسترس باشند. در حال حاضر تعداد کاربران تلفن های هوشمند در سراسر جهان برابر با 2.71 میلیارد است [۱]. پلتفرم های بزرگ شبکه اجتماعی از جمله فیسبوک، توییتر و اینستاگرام به صورت برنامه های موبایل بر روی گوشی های هوشمند قابل دسترس می باشند. از این رو نیازی نیست تا کاربران برای دسترسی به این رسانه های اجتماعی به کافی نتها مراجعه کنند...
توییتر یادگیری ماشین شبکه عصبی کانولوشن
:کلمات کلیدی
Abstract
Customer’s experience is one of the important concern for airline industries. Twitter is one of the popular social media platform where flight travelers share their feedbacks in the form of tweets. This study presents a machine learning approach to analyze the tweets to improve the customer’s experience. Features were extracted from the tweets using word embedding with Glove dictionary approach and n-gram approach. Further, SVM (support vector machine) and several ANN (artificial neural network) architectures were considered to develop classification model that maps the tweet into positive and negative category. Additionally, convolutional neural network (CNN) were developed to classify the tweets and the results were compared with the most accurate model among SVM and several ANN architectures. It was found that CNN outperformed SVM and ANN models. In the end, association rule mining have been performed on different categories of tweets to map the relationship with sentiment categories. The results show that interesting associations were identified that certainly helps the airline industries to improve their customer’s experience
Keywords:
Twitter Machine learning Convolutional neural network
سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه رضایت مشتری