طراحی سیستم توصیه گر شخصی سازی شده برمبنای آنالیز احساسات در رسانه های اجتماعی (مورد مطالعه: سیستم بانکی)

حفظ مشتری یکی از پراهمیت ترین مسایل هر سازمانی است و یافتن راهی برای حفظ و بقای مشتری از نیازهای کلیدی آن سازمان است. هدف اصلی پژوهش حاضر در حوزه یادگیری ماشین، تمرکز بر مشکل شناسایی صحیح نیازهای مشتری با روش مبتنی بر استخراج دیدگاه ها، تحلیل احساسات و کمی سازی گرایش احساسی مشتریان درباره خدمات بانکی و بررسی و تحلیل نظرهای آنها می باشد. به عبارت دیگر موضوع این پژوهش طراحی سیستم توصیه گر برای ارایه خدمات مناسب و منطبق با رضایت مشتریان با نگاه به سلیقه ها، احساسات و تجربه های آنها می باشد. روش اجرای ارایه شده در پژوهش حاضر به این ترتیب است که عقاید و تجربه های مشتریان را از راه بررسی توییت های حاوی هشتگ هایی با عنوان ها و سرفصل های خدمات بانکی به عنوان داده های جامعه آماری دریافت و پس از بررسی، نتیجه را در قالب متغیرهای نمره احساسات افراد برای توییت ها، نمره ارتباط، شباهت کسینوسی و میزان ضریب اطمینان و درنظرگرفتن گروه هایی از ویژگی های مربوطه و عقاید ثبت شده در فرایند آموزش و تست به صورت ارایه پیشنهاد شخصی سازی شده برای دریافت خدمات بانکی فراهم می کند. به منظور ارایه راهکار توصیه گر، از روش های دسته بندی مناسب به همراه روش های عقیده کاوی و رویکرد اعتبارسنجی مناسب استفاده می شود و سیستم طراحی شده نهایی با خطایی اندک، به منظور ارایه خدمات شخصی سازی شده و در راستای کمک به سیستم بانکی گام خواهد برداشت. ازآن جایی که درحال حاضر ارایه خدمات بانکی متناسب با وضعیت مشتریان به طور کامل وجود ندارد، از این رو سیستم مذکور در این زمینه بسیار راهگشا خواهد بود.