ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА АНАЛИЗА ТОНАЛЬНОСТИ ДЛЯ ИЗМЕРЕНИЯ ЛОЯЛЬНОСТИ ПОКУПАТЕЛЕЙ И ПРИНЯТИЯ РЕШЕНИЙ, ОСНОВАННАЯ НА НЕЧЕТКОЙ ЛОГИКЕ
Аннотация
Представлен интеллектуальный подход к измерению лояльности клиентов к кон- кретному продукту, основанный на анализе комментариев. Общий анализ тональности в твитах и сообщениях проводится довольно часто, однако ориентированный на задачи анализ мнений пользователей и измерение уровня их лояльности является новой идеей. Сложность в проведении ориентированного на задачу анализа тональности сообщений заключается в измерении лояльности клиента к конкретному продукту на основе мнения клиентов об этом самом продукте. Полученные данные об уровне лояльности клиента к продукту смогут помочь новому клиенту принять решение о конкретном товаре, учиты- вая его различные особенности и отзывы предыдущих клиентов. В качестве набора данных был использован большой массив данных, состоящих из онлайн-отзывов клиентов с Amazon.com. Набор исходных данных представляет собой совокупность отзывов, из кото- рых предлагаемый подход формирует агрегированную оценку мнений, далее используется модель нечеткой логики для измерения лояльности клиента к продукту. В предложенном подходе входной текст сначала обрабатывается с помощью таких методов как токениза- ция, удаления стоп-слов, лемматизация, затем происходит маркировка частей речи и осу- ществляется анализ полярности отзывов, затем, к полученным агрегированным оценкам применяются методы нечеткой логики, чтобы определить степень лояльности клиентов к продукту. В этой работе использовались различные библиотеки с открытыми API, такие как SentiWordNet, Stanford CoreNLP и т.д. Используемый подход фокусируется на выявле- нии тональности обзоров, которые могут быть положительными, отрицательными и нейтральными. В нашем исследовании мы использовали треугольную функцию принадлеж- ности, также известную как trimf, потому что она поддерживает три переменные и соз- дает связь между ними. Реализация подхода обеспечивает высокую точность определения лояльности к продуктам электронной коммерции, которая превосходит предыдущие под- ходы, а применение нечеткой логик позволило значительно повысить значения таких пока- зателей как точность, полнота и F-мера.
