نویسنده : زينب اميرپناه

دانشكده : دانشکده تحصیلات تکمیلی و مجتمع فنی

رشته/گرایش تحصيلي : مهندسي كامپيوتر- نرم افزار

استاد راهنما (عضو هیات علمی مرکز) :پیمان بیات, ,

چكيده : چکيده امروزه با گسترش سیستم هاي پایگاهی و حجم بالاي داده ها ي ذخیره شده در این سیستم ها، نیاز به ابزاري است تا بتوان داده هاي ذخیره شده پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. مدیریت ارتباط با مشتري به همه فرآیندها و فناوري هایی گفته می شود که در شرکت ها و سازمان ها براي شناسایی، طبقه بندی، ترغیب، گسترش، حفظ و ارائه خدمت به مشتریان به کار می رود. از آنجا که حجم داده های مشتریان بسیار زیاد است بنابراین برای اینکه بتوان مشتریان را طبقه بندی کرد از روش های داده کاوی برای تجزیه و تحلیل داده های مشتریان استفاده شد و الگوریتم های داده کاوی مختلف برای تجزیه و تحلیل و طبقه بندی مشتریان توسط مجموعه داده های KDD Cup 2009 بررسی گردید. پس از ورود داده ها به نرم افزار داده کاوی پیش پردازش بروی داده ها اعمال می شود تعداد ویژگی ها کاهش یابد تا بدین وسیله میزان صحت و دقت الگوریتم ها بالا رود.در فصل دوم مفاهیم مربوط با مدیریت ارتباط با مشتریان و داده کاوی بیان گردید. در فصل سوم مروری برکارهای انجام شده در گذشته در این زمینه صورت گرفت.در فصل چهارم روش پیشنهادی ارائه گردید. درروش جدید از ترکیب الگوریتم Adaboost با طبقه بندهای درخت تصمیم گیری، Naïve Bayes، KNN برای طبقه بندی مجموعه داده ها استفاده شد. از مقایسه درصد صحت بدست آمده از سه طبقه بند موردنظر در این روش به این نتیجه می‌رسیم که میزان صحت طبقه بند NaiveBayes با 99.71% وتنها با چند صدم درصد از طبقه بند Knn بهتر است و طبقه بند درخت تصمیم کمترین درصد صحت را با 98.16% به خود اختصاص داده است. كلمات كليدي: مدیرت ارتباط با مشتری ، داده کاوی، طبقه بندی، الگوریتم Adaboost

تاريخ دفاع : 1395-11-24