مدل سازی و پیش بینی قصد خرید تلفن همراه کاربران توییتر بر مبنای تحلیل احساسات

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 75

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SAIM-8-1_004

تاریخ نمایه سازی: 24 آذر 1402

چکیده مقاله:

با ظهور رسانه های اجتماعی مردم ایده ها، تجربیات، نظرات و مقاصد خود را در توییتر، فیس بوک و دیگر پلتفرم های رسانه اجتماعی به اشتراک می گذارند. تحلیل و بررسی این نظرات در رسانه های اجتماعی اطلاعات سودمندی را در رابطه با بازار، مشتریان و رقبا به سازمان ها می دهد. یکی از این اطلاعات، قصد خرید کاربران است که برای استفاده های تجاری مانند بازاریابی هدفمند و شخصی سازی تبلیغات موردتوجه قرار می گیرد. در این پژوهش سیستمی مبنی بر هوش مصنوعی جهت پیش بینی قصد خرید کاربران در رسانه توییتر ارائه شده-است. تحقیق حاضر از لحاظ هدف کاربردی است و جامعه مورد بررسی شامل نظرات کاربران در سایت توییتر می باشد و نمونه مورد بررسی شامل توییت های کاربران در ارتباط با آیفون ۱۳ می باشد. جهت انجام پژوهش ۲۳۰۰۰ توییت انگلیسی کاربران جمع آوری شد و احساسات آن ها با استفاده از روش مبتنی بر واژگان تحلیل شد و نتایج قابل قبولی بادقت ۰.۸۱ ارائه شد. نتایج حاصل از تحلیل احساسات نشان دهنده احساسات عمومی مثبت در مورد آیفون ۱۳ است. قصد خرید کاربران توییتر با استفاده از شبکه عصبی عمیق پیچشی حافظه طولانی کوتاه مدت بادقت ۰.۸۱ استخراج شد. سپس برای سنجش اثرگذاری احساسات کاربران و ویژگیهای استاتیکی از مدل شبکه عصبی عمیق چندلایه پرسپترون استفاده شد که نتایج حاصل دقت ۰.۸۰ را نمایش داد. استفاده از این مدل و پیش بینی قصد خرید به مدیران بازاریابی کمک می کند تا برنامه ریزی مناسبی جهت شناسایی مشتریان خود انجام دهند و هزینه های بازاریابی را کاهش دهند.

کلیدواژه ها:

"یادگیری عمیق" ، "شبکه عصبی پیچشی حافظه طولانی کوتاه مدت" ، "توییتر" ، "تحلیل احساسات" ، " قصد خرید"

نویسندگان

مینا نوروزی

کارشناسی ارشد مدیریت کسب وکار، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا (س)، تهران، ایران

آمنه خدیور

دانشیار، گروه مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا (س)، تهران، ایران

فاطمه عباسی

استادیار، دانشکده فناوری اطلاعات، دانشگاه مهر البرز، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alikhani, Y., khadivar, A., & abbasi, F. (۲۰۲۲). Assessing the ...
  • Zarei, A., feiz, D., Taheri, G. (۲۰۲۱). Providing Social Market ...
  • Khani, M., saghaei, A., & Heidarzadeh Hanzaee, K. (۲۰۱۹). Modeling ...
  • T. Le Luong, T. H. Tran, Q. T. Truong, T. ...
  • D. Gaikar and B. Marakarkandy, “Product Sales Prediction Based on ...
  • S. Kumar, A. K. Kar, and P. V. Ilavarasan, “Applications ...
  • Afsharizadeh jafari, O., Maleki MinBashRazgah, M., Zarei, A., & Shafiei ...
  • J. Guerreiro and P. Rita, “How to predict explicit recommendations ...
  • A. B. Goldberg, N. Fillmore, D. Andrzejewski, Z. Xu, B. ...
  • Z. Chen, B. Liu, M. Hsu, M. Castellanos, and R. ...
  • M. Korpusik, S. Sakaki, F. Chen, and Y. Y. Chen, ...
  • A. Khattak, A. Habib, M. Z. Asghar, F. Subhan, I. ...
  • A. Habib, N. Jelani, A. M. Khattak, S. Akbar, and ...
  • Zolfaghar, P., khadivar, A., abbasi, F. (۲۰۲۲). Investigating the effect ...
  • M. Allahyari et al., “A Brief Survey of Text Mining: ...
  • A. Ibrahim, “Forecasting the early market movement in bitcoin using ...
  • Q. Han, J. Guo, and H. Schütze, “CodeX: Combining an ...
  • B. Xue, M. Zhang, W. N. Browne, and X. Yao, ...
  • J. Sundström, “Sentiment analysis of Swedish reviews and transfer learning ...
  • نمایش کامل مراجع