فایل ورد کامل ترجمه مقاله ادغام AHP ( برنامه ریزی های سلسله مراتبی) و پردازش ۲۹ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل ترجمه مقاله ادغام AHP ( برنامه ریزی های سلسله مراتبی) و پردازش ۲۹ صفحه در word دارای ۲۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل ترجمه مقاله ادغام AHP ( برنامه ریزی های سلسله مراتبی) و پردازش ۲۹ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل ترجمه مقاله ادغام AHP ( برنامه ریزی های سلسله مراتبی) و پردازش ۲۹ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل ترجمه مقاله ادغام AHP ( برنامه ریزی های سلسله مراتبی) و پردازش ۲۹ صفحه در word :

دانلود فایل ورد کامل ترجمه مقاله ادغام AHP ( برنامه ریزی های سلسله مراتبی) و پردازش ۲۹ صفحه در word
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:۲۰۰۵
تعداد صفحه ترجمه:۲۲
تعداد صفحه فایل انگلیسی:۱۴

موضوع انگلیسی :Integrating AHP and data mining for product recommendation
based on customer lifetime value
موضوع فارسی:دانلود فایل ورد کامل ترجمه مقاله ادغام AHP ( برنامه ریزی های سلسله مراتبی) و پردازش ۲۹ صفحه در word
چکیده انگلیسی:Product recommendation is a business activity that is critical in attracting customers. Accordingly, improving the quality of a
recommendation to fulfill customers’ needs is important in fiercely competitive environments. Although various recommender
systems have been proposed, few have addressed the lifetime value of a customer to a firm. Generally, customer lifetime value
(CLV) is evaluated in terms of recency, frequency, monetary (RFM) variables. However, the relative importance among them
varies with the characteristics of the product and industry. We developed a novel product recommendation methodology that
combined group decision-making and data mining techniques. The analytic hierarchy process (AHP) was applied to determine
the relative weights of RFM variables in evaluating customer lifetime value or loyalty. Clustering techniques were then
employed to group customers according to the weighted RFM value. Finally, an association rule mining approach was
implemented to provide product recommendations to each customer group. The experimental results demonstrated that the
approach outperformed one with equally weighted RFM and a typical collaborative filtering (CF) method.
# ۲۰۰۴ Elsevier B.V. All rights reserved
چکیده فارسی:فرایند تولید , فعالیت تجاری می باشد که در ارتباط با جذب مشتریان بوده و دارای اهمیت زیادی می باشد. بنابراین بهبود کیفیت این فرایندها برای تامین نیاز مشتریان در شرایط رقابتی دارای اهمیت زیادی نیز است. اگرچه راه های متفاوتی در این زمینه مطرح شده است , اما تعداد کمی از آن ها به موضوع اعتبار دادن به مشتریان (CLV) پرداخته اند. معمولا CLV از نظر تازه بودن , تکرار و متغیرهای مالی مورد ارزیابی قرار می گیرند. به هر حال اهمیت نسبی آن از نظر مشخصه های تولید و صنعت متفاوت می باشد. ما در این مورد روش جدیدی را مد نظر قرار می دهیم که تکنیک های تصمیم گیری گروهی و پردازش اطلاعاتی را مد نظر قرار می دهد.برنامه ریزی های سلسله مراتبی نیز برای تعیین متغیرهای نسبی RFM در ارتباط با ارزیابی و دادن اعتبار به مشتریان مد نظر قرار می گیرد. چنین تکنیک های دسته بندی شده بر طبق به فرایند RFM برای گروهی از مشتریان به کار برده شده است. سرانجام یک روش پردازشی بکار برده شده است , تا برای هر یک از این گروه ها فرایند های تولیدی را تعریف کند. نتایج عملی نشان داده است که این روش ها پا را فراتر نهاده و از RFM های یکسان و روش های تعاونی استفاده کرده اند.