طراحی سیستم توصیه‌گر و بازاریابی پویا مبتنی بر هوش مصنوعی و داده‌های احساسات کاربران در شبکه‌های اجتماعی برای تجارت الکترونیک

طراحی سیستم توصیه‌گر و بازاریابی پویا مبتنی بر هوش مصنوعی و داده‌های احساسات کاربران در شبکه‌های اجتماعی برای تجارت الکترونیک

حسین سجودی1 حسن ضیافت2

1) دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه آزاد اسلامي واحد الكترونيكي، ایران
2) استادیار گروه کامپیوتر دانشگاه آزاد اسلامی واحد نطنز، ایران

کد IOI مقاله : AAHD-ABGHGE
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    در سال‌های اخیر، سیستم‌های توصیه‌گر به‌عنوان یکی از ابزارهای کلیدی در بهبود تجربه کاربران و افزایش کارایی سامانه‌های تجارت الکترونیک مورد توجه قرار گرفته‌اند. با این حال، اغلب این سیستم‌ها تنها بر داده‌های رفتاری و تراکنشی کاربران تکیه دارند و نقش احساسات کاربران در فرآیند تصمیم‌گیری نادیده گرفته می‌شود. هدف از این پژوهش، طراحی و پیاده‌سازی یک سامانه یکپارچه شامل سیستم توصیه‌گر هوشمند و مکانیزم بازاریابی پویا مبتنی بر تحلیل احساسات کاربران در شبکه‌های اجتماعی است. در این پژوهش، ابتدا داده‌های متنی کاربران از منابع مختلف جمع‌آوری و پس از پیش‌پردازش، با استفاده از مدل یادگیری عمیق مبتنی بر BERT تحلیل احساسات شدند. سپس، به‌منظور مدل‌سازی روابط میان کاربران و محصولات و درنظر گرفتن تغییرات زمانی رفتار کاربران، از مدل شبکه عصبی گرافی پویا استفاده شد. خروجی این مدل به‌عنوان ورودی سیستم توصیه‌گر مورد استفاده قرار گرفت تا پیشنهادهایی شخصی‌سازی‌شده و متناسب با ترجیحات و وضعیت احساسی کاربران ارائه شود. علاوه بر این، یک مکانیزم بازاریابی پویا طراحی شد که با بهره‌گیری از اطلاعات احساسی کاربران، پیام‌ها و پیشنهادهای بازاریابی را به‌صورت بلادرنگ و شخصی‌سازی‌شده ارائه می‌دهد. ارزیابی‌های انجام‌شده نشان داد که مدل پیشنهادی در مقایسه با روش‌های سنتی، بهبود قابل توجهی در معیارهای دقت توصیه، کیفیت رتبه‌بندی، نرخ کلیک و نرخ تبدیل ایجاد کرده است. نتایج این پژوهش نشان می‌دهد که ادغام تحلیل احساسات با مدل‌های یادگیری عمیق و گرافی پویا می‌تواند نقش مهمی در توسعه سیستم‌های توصیه‌گر نسل جدید ایفا کند و منجر به ایجاد تجربه‌ای هوشمندتر، شخصی‌تر و کاربرمحورتر در سامانه‌های تجارت الکترونیک شود.

کلمات کلیدی : سیستم توصیه‌گر تحلیل احساسات گراف پویا یادگیری عمیق بازاریابی هوشمند