تحلیل رفتار کاربران در فروشگاه های اینترنتی با استفاده از یادگیری عمیق

در سطوح بین المللی و همچنین ایران، شبکه های اجتماعی و سایت ها بیشتر بر روی کیفیت محصولات خود با توجه به نظرات کاربرانشان تمرکز می نمایند و توجهی به سطح امنیت و قابلیت اعتماد ندارند و حتی در مواقعی که رفتار مشتریان مورد تحلیل قرار می گیرد، توجهی به کاربران غیر عادی و سودجو نمی شود. ایده اصلی این پژوهش بررسی رفتار مشتریان و پیش بینی رفتار آن ها در آینده بر مبنای یادگیری عمیق می باشد تا بتوان کیفیت خدمات به کاربران معتبر را افزایش داد. در این پژوهش، روشی مبتنی بر تکنیک یادگیری عمیق ارائه می شود که با کمک آن رفتار کاربران در فروشگاه های اینترنتی تحلیل می شود. منظور از تحلیل رفتار کاربران، شناسایی گرایش یا جهت گیری مشتری در مورد یک محصول خاص است. در روش پیشنهادی این پژوهش، پس پردازش اولیه رفتار کاربران و استخراج ویژگی ها، از الگوریتم شبکه عصبی عمیق برای آموزش مجموعه ای از داده ها استفاده می شود. پیاده سازی روش پیشنهادی در نرم افزار matlab، انجام شده است. برای ارزیابی روش این پژوهش از معیارهای مرسومی که در کاربردهای داده کاوی به کار گرفته می شود از جمله صحت، بازخوانی و امتیاز f، استفاده کرده ایم. برای این منظور آزمایشاتی را اجرا و ارزیابی های مختلف ارائه گردیده است. با توجه به آزمایشات انجام شده، مشاهده می گردد که روش پیشنهادی از نظر معیارهای ارزیابی داده کاوی در اولویت اول قرار می گیرد. با بکارگیری روشها و  با استفاد از نتایج این تحقیق می توان در راستای ایجاد امنیت و کاهش مخاطرات برای فعالیت‌های مختلف در جامعه‌ اطلاعاتی و پاسداری از ارزشهای جامعه به پیش بینی رفتار مشتریان در سایتهای خاص پرداخت.

analysis of user behavior in online stores using deep learning

at the international level as well as in iran, despite the increase in the use of social networks and internet sites and with the increase in the number of internet users, serving these users has become very important. but since social networks and websites focus more on the quality of their products according to the opinions of their users, they do not pay attention to the level of security and reliability, and even when the behavior of customers is analyzed. no attention is paid to unusual and profit seeking users. the main idea of ​​this research is to investigate customer behavior and predict their behavior in the future based on deep learning in order to increase the quality of service to valid users. in this research, a method based on deep learning technique is presented, with the help of which the behavior of users in virtual stores is analyzed. the purpose of analyzing the behavior of users is to identify the customer's tendency or orientation about a specific product. in the proposed method of this research, after the initial processing of user behavior and feature extraction, the deep neural network algorithm is used to train a set of data. the proposed method has been implemented in matlab software. to evaluate the method of this research, we have used conventional criteria used in data mining applications, such as accuracy, readability, and f score. for this purpose, experiments have been performed and various evaluations have been presented. according to the conducted tests, it can be seen that the proposed method is the first priority in terms of data mining evaluation criteria. also, by applying the methods and using the results of this research, in order to create security and reduce risks for various activities in the information society and protect the values of the society, it is possible to predict the behavior of customers on certain sites.