چکیده:
از آنجایی که امروزه اکثر کسب و کارها، برای مدیریت کارآمدتر و سادهتر مشتریانشان از فروشگاههای اینترنتی برای عرضة محصولات خود استفاده میکنند، تحلیل متن شعارهای تبلیغاتی آنها که به نوعی تجلی بیانیه ماموریتشان نیز هست، اهمیت بسزایی دارد. در این پژوهش، متن شعارهای تبلیغاتی شرکتهای برتر ایرانی و خارجی، شامل 29 شعار جذاب فروشگاههای اینترنتی داخلی و 24 شعار جذاب فروشگاههای اینترنتی خارجی مورد بررسی قرار گرفتند. جهت پیشپردازش متون و ترکیب آن با روش خوشهبندی و الگوریتم میانگین K - means از روش متنکاوی استفاده شده، همچنین برای قرارگیری در خوشههای جدا و تشخیص مهمترین ریشهها در هر خوشه، تکنیک تصمیمگیری چند شاخصه MADMبه کار گرفته شده است؛ تا علاوه بر مشخص کردن محتوای شعارها، تفاوتها و شباهتهای بین این دو جهتگیری نیز آشکار شود. با تطبیق خوشههای داخلی و خارجی معلوم شد که توجه شرکتهای داخلی بیشتر بر مفاهیمی چون “محصول ” و “کلیگویی” است، اما شرکتهای خارجی بر مفاهیمی “همچون توجه به مشتری” متمرکزند.
خلاصه ماشینی:
پیشینة موضوع در حوزه پژوهشهای مرتبط مطالعات فراوانی در حوزه متنکاوی صورت گرفته که به برخی از آنها اشاره میشود: در سال 2003 مطالعهای موردی در زمینة استفاده از متنکاوی در تحلیل ثبت اختراعات انجام شده است.
پژوهش در چند مرحله انجام شده، در ابتدا متن شعارهای تبلیغاتی فروشگاههای اینترنتی، در حوزة صنایع غذایی در ایران و سایر نقاط دنیا از طریق تارنماهای رسمی آنها جمعآوری شده است.
در این پژوهش از خروجی بردار کلمهها TF-IDF استفاده میشود؛ که بیانگر میزان اهمیت یک کلمه در متن است.
در این پژوهش با توجه به کلمهها و بار معنایی متن مقدار n عدد 2 در نظر گرفته شده است.
در اینجا مقدار K- means جهت شروع حلقههای تکرار به حالت رندوم، انتخاب شده که نشاندهنده تعداد مراکز خوشههاست و بدین منظور با استفاده از روش آرتور و واسیلویتسکی (Arthur & vassitvitskii, 2007) دادهها به نزدیکترین مرکز تخصیص مییابند.
در این پژوهش مقدار k در بازه 3 تا 10 در نظر گرفته شده است و برای هر دو دستة ایرانی و خارجی مقدار عدد خوشه 5 به دست آمده است؛ همچنین به منظور افزایش دقت، تعداد تکرار برای محاسبات بسیار بالا بوده است.
استفاده از مقادیر TF-IDF به تنهایی کافی نبود، زیرا بیشتر ریشههایی را نشان میدهند که در متن اسناد تمایز ایجاد میکنند (کلینکبرگ، 2013)، بنابراین به منظور رتبهبندی ریشهها از روش تصمیمگیری چندشاخصه MADM بهره گرفته شده است.
(Abdullah & Ada wiyah, 2014) در این مرحله، نتایج حاصل از انتخاب واژههای مهم در هر خوشه با استفاده از تصمیمگیری چندمعیاره مشخص میشود.