طراحی سیستم پیشنهاد بانکی فردی با استفاده از تجزیه و تحلیل احساسات در رسانه‌های اجتماعی

حفظ مشتری یکی از پراهمیت‌ترین مسائل هر سازمانی می‌باشد و یافتن راهی جهت حفظ و بقای مشتری از نیازهای کلیدی آن سازمان است. هدف اصلی پژوهش حاضر، در حوزه یادگیری ماشین با تمرکز بر شناسایی صحیح نیازهای مشتری با روشی مبتنی بر استخراج دیدگاه‌ها و تحلیل احساسات و کمی سازی گرایش احساسی مشتریان در مورد خدمات بانکی با بررسی و تحلیل نظرات آن‌ها می‌باشد. به‌عبارتی موضوع این پژوهش طراحی سیستم توصیه‌گر جهت ارائه خدمات مناسب به مشتریان، با استفاده از عقاید و تجارب آن‌ها می‌باشد. روش اجرای ارائه شده در پژوهش حاضر بدین ترتیب است که، با بررسی عقاید مشتریان و استخراج متغیرهایی چون نمره احساسات افراد برای توییت‌ها، نمره ارتباط، شباهت کسینوسی و میزان ضریب اطمینان در قالب فرآیند آموزش و تست، خدمات بانکی مناسب را پیشنهاد می‌دهد. به‌منظور ارائه این پیشنهاد، از روش‌های دسته‌بندی مناسب به‌همراه روش‌های عقیده‌کاوی و رویکرد اعتبارسنجی مناسب استفاده می‌شود و سیستم طراحی‌شده نهایی با خطایی اندک، جهت ارائه خدمات شخصی‌سازی‌شده، در راستای کمک به مدیران بانکی گام خواهد برداشت. ازآنجاییکه درحال حاضر ارائه خدمات بانکی متناسب با وضعیت مشتریان به‌طورکامل وجود ندارد، لذا سیستم مذکور در این زمینه بسیار راهگشا خواهد بود.

design of a banking personalized recommender system using sentiment analysis in social media

customer retention is an important issue for any organization, so finding a way to retain the customer is one of the critical needs of any organization. in this regard, the goal in the field of machine learning is focusing on the problem of accurate customer needs with a method based on extracting opinion and sentiment analysis and quantifying customers’ emotional orientation.in the other words, the issue is designing a recommender system to provide appropriate services to customers, using their opinions and experiences. the proposed solution, by receiving and reviewing customers’ opinions and experiences in the form of extracting variables such as user sentiment score for tweets, relation score, cosine similarity, and confidence factor, and considering groups of relevant features and registration ideas in the process of training and testing, the result is presented in the form of a banking service suitable offer. in order to provide a recommending solution, appropriate classification methods are used along with opinion mining methods and an appropriate validation approach, and the final designed system with a small error, in order to provide personalized services, will step in to help bank managers.since currently there is no complete provision of banking services tailored to the situation of customers, so in this regard, this mentioned system will be very helpful.