دانلود پایان نامه سیستم توصیه گر برای پیش بینی رفتار بازدیدکنندگان صفحات تجارت الکترونیک

عنوان فارسی

یک سیستم توصیه گر برای پیش بینی رفتار بازدیدکنندگان صفحات تجارت الکترونیک

عنوان انگلیسی

A Recommender System to Predict the Behaviour of an E-Commerce Page Visitor

کلمات کلیدی :

  یادگیری ماشین؛ مدلسازی پیش بین؛ علم داده؛ سیستم های توصیه گر؛ فیلترینگ مشارکتی؛ سیستم توصیه گر چند هدفی؛ فراخوان وزنی؛ پایتون

رشته های مرتبط مهندسی کامپیوتر
تعداد صفحات پایان نامه انگلیسی : 66 دانشگاه : University of Macedonia
سال انتشار : 2023 تعداد رفرنس : 41
فرمت فایل ترجمه شده : PDF و WORD قابل ویرایش کیفیت ترجمه : تخصصی ویژه با کیفیت طلایی
پاورپوینت : ندارد

سفارش پاورپوینت این پایان نامه

وضعیت ترجمه : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید
computer thesis
قیمت دانلود ترجمه پایان نامه
179,900 تومان
پایان نامه حاضر با عنوان "یک سیستم توصیه گر برای پیش بینی رفتار بازدیدکنندگان صفحات تجارت الکترونیک" بصورت کاملا تخصصی توسط تیم "مهندسی کامپیوتر" فرداپیپر ترجمه شده است. اگر موضوع پایان نامه ارشد یا دکتری شما مشابه این موضوع باشد، مطالعه ی این تز کمک شایانی به شما خواهد کرد تا بتوانید به نحو احسن پروژه خود را تکمیل نمایید.
فهرست مطالب

1. مقدمه 2. پیشینه نظری 3. مساله 4. روش تحقیق 5. خلاصه و نتیجه گیری

ترجمه چکیده

چکیده – بر طبق یافته های بدست آمده، در دهه های اخیر به دلیل گسترش کلان داده ها، توسعه یادگیری ماشین به عنوان شاخه ای از هوش مصنوعی با سرعت فزاینده ای همراه بوده است. همچنین به دلیل افزایش دسترسی پذیری مقادیر زیادی از داده ها، تقاضاهایی نیز برای تحلیل کارآمدتر داده ها به وجود آمده است. علاوه بر این، الگوریتم های مبتنی بر مدل های آماری نیز از قابلیت یادگیری الگوها و انجام پیش بینی برای بهبود کاربردهای مختلف برخوردار می باشند. همچنین یک سیستم توصیه‌گر، بر اساس بررسی اولویت ها و اقدامات قبلی کاربر، برای پیش بینی انتخاب های کاربر نسبت به یک آیتم، رویکرد محاسباتی طراحی شده را مورد بررسی قرار می دهد. همچنین، تکنیکی به نام فیلترینگ مشارکتی به سیستم های توصیه گر متعلق بوده و هدف آن ارائه توصیه های ترجیحی برای ترجیحات نامشخص مجموعه جدیدی از کاربران با تحلیل ترجیحات یک مجموعه مشخص است. لازم به ذکر است که، شباهت بین گروهی از کاربران و مواردی که غالبا با رفتار کاربر و نوع آیتم در ارتباط هستند، برای مطالعه فیلترینگ مشارکتی بایستی مشخص شود تا بر اساس ترجیحات کاربران مشابه، پیشنهاداتی ارائه شود. در ادامه بایستی ذکر شود که پژوهش حاضر برای پیش بینی کلیک ها، اضافه کردن سبد خرید و سفارش ها در حین تحقیق در خصوص سیستم های توصیه گر بخصوص فیلترهای مشارکتی، برای افزایش نتایج از یک سیستم توصیه گر پایتون بهره می گیرد.

چکیده انگلیسی

The development of machine learning as a branch of Artificial intelligence has been rapidly increasing in recent decades owing to the expansion of big data. The increasing availability of large amounts of data has also created demands for more efficient data analysis. Algorithms that are based on statistical models, can learn patterns and make predictions to improve a variety of applications. A recommender system explores the computational approach designed to predict the choices of a user toward an item, based on an examination of the user’s prior preferences and actions. The technique known as collaborative filtering belongs to recommender systems and aims to make preference recommendations for the unknown preferences of a new set of users by analysing the preferences of a known set. For the study of collaborative filtering, it is necessary to determine the similarity between a group of users and items, which is often associated with a user’s behaviour and the type of the item, in order to make suggestions based on the preferences of similar users. This master's thesis uses a Python recommender system to predict clicks, cart adds, and orders while researching recommender systems, in particular collaborative filtering, to enhance the outcomes.

توضیحات

امروزه مشتریان، نیازهای متنوعی دارند، هر کدام از آنها مجموعه ای از اولویت ها و ترجیحات خاص خود را دارند که می تواند بر انتخاب هایشان تأثیر بگذارد. امور مالی، علایق شخصی، سبک زندگی، موقعیت اجتماعی و زمینه فرهنگی برخی از عوامل اصلی هستند که ممکن است به طور قابل توجهی بر رفتار و تصمیمات مصرف کننده تأثیر بگذارند. با این حال، زمانی که برای رسیدن به یک هدف، رسیدگی به یک موضوع خاص یا تلاش برای حل یک مشکل ضروری است، همچنین برای آنچه مشتری ممکن است نیاز داشته باشد یا به خاطر بیاورد که از فروشگاه یا وب سایت آنلاین دریافت کند، مهم است.

درک و پاسخگویی به نیازهای متعدد مشتریان برای شرکت ها برای جلب رضایت و حفظ اعتماد آنها ضروری است. برآورده کردن نیازهای متعدد، به جای اینکه فقط تنوع محصولات خود را گسترش دهند، به شرکت ها اجازه می دهد تا با ارائه محصولات و خدمات به مشتریان جدید خارج از پایگاه مشتریان استاندارد خود، به بازار گسترده تری نزدیک شوند و پتانسیل خود را افزایش دهند. تجارت الکترونیک به آنها این امکان را داده است. مشاغل با هر اندازه ای که پایگاه یا انبار خود را در یک یا چند مکان داشته باشند، حمل و نقل را به مناطق منتخب یا حتی در سراسر جهان انجام می دهند. از آنجایی که سرمایه گذاری در فروشگاه های فیزیکی برای عملیات غیر ضروری است، هزینه های سربار کاهش می یابد. در نتیجه، بسیاری از شرکت های کوچک سریعتر از حد معمول گسترش می یابند و توسعه می یابند. شرکت ها خدمات و محصولات خود را به صورت آنلاین به بسیاری از افراد می فروشند بدون اینکه نیازی به رفتن به فروشگاه های فیزیکی داشته باشند. خرید آنلاین فرآیند خرید را با اجازه دادن به مشتریان برای خرید در هر زمانی بدون محدودیت از هر کجا و با ارزیابی هزینه ها و کالاهای ارائه شده توسط تجار مختلف بهبود بخشیده است. معاملات سریعتر و کارآمدتر شده اند و بسیاری از فعالیت های شرکتی مانند مدیریت موجودی و پشتیبانی مشتری ممکن است به صورت خودکار انجام شوند.

ترجمه این پایان نامه در 62 صفحه آماده شده و در ادامه نیز صفحه 46 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.

محتوی بسته دانلودی:

فایل PDF پایان نامه انگلیسی فایل ورد قابل ویرایش (WORD) و PDF ترجمه پایان نامه به صورت کاملا مرتب ترجمه شکل ها و جداول انجام شده است
قیمت : 179,900 تومان

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود پایان نامه سیستم توصیه گر برای پیش بینی رفتار بازدیدکنندگان صفحات تجارت الکترونیک”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

6 + 8 =

مقالات ترجمه شده

نماد اعتماد الکترونیکی

پشتیبانی

logo-samandehi