3-3-4- استفاده از یک روش تصمیم­ گیری مبتنی برمنطق فازیدر ساختار IDSS……………………….

3-3-5- استفاده از استنتاج مبتنی بر مورد در ساختار IDSS……………………….

3-3-6- استفاده از مولفه های مبتنی بر قانون در ساختار IDSS……………………….

فصل چهارم. بازی­های کامپیوتری استراتژیک بلادرنگ و سیستم­های هوشمند مرتبط با آنها….. 57

4-1- مقدمه.ذ 58

4-2- ویژگی­های بازی­های استراتژیک بلادرنگ.ذ… 59

4-3- بر سیستم­های هوشمند مرتبط با بازی­های استراتژیک بلادرنگ………. 63

فصل پنجم. سیستم پیشنهادی………………………….71

5-1- مقدمه……………………….. 72

5-2- معرفی سیستم پیشنهادی..……………………….73

5-3- مولفه­ های اصلی سیستم پیشنهادی………………………... 74

5-4- روش رفع ناسازگاری بکار برده شده در سیستم پیشنهادی……….. 77

فصل ششم. ارزیابی و نتایج………………………….80

فصل هفتم. نتیجه ­گیری و کارهای آینده………………………..89

فهرست منابع……………………………. 92

چکیده:

رفع ناسازگاری یک رویه­ی مهم در بسیاری از سیستم­های هوشمند از جمله سیستم­های مبتنی برقانون می­باشد. این رویه، ترتیب اجرای قوانین را در شرایطی که بیش از یک قانون برای اجرا وجود دارد، تعیین می­نماید. برای رفع ناسازگاری، روش­های مختلفی وجود دارد. در این پژوهش، به منظور رفع ناسازگاری در یک سیستم مبتنی بر قانون، از پیگیری نقطه نظرات مختلف در مسیرهای استنتاج مجزا، استفاده شده است. این سیستم، یک سیستم تصمیم ­همیار هوشمند است که در هنگام وقوع ناسازگاری، با در نظر گرفتن خطوط استنتاج جداگانه برای هر یک از قوانین ناسازگار، امکان آگاهی از تمامی انتخاب­های ممکن را برای تصمیم­گیرنده فراهم می­سازد.

به طورکلی، سیستم­های تصمیم­ همیار هوشمند با وارد نمودن تکنیک­های مختلف هوش مصنوعی در ساختار سیستم­های تصمیم­همیار، این سیستم­ها را به منظور حمایت بیشتر و ارتقاء تصمیم­گیری، بهبود بخشیده­اند.

سیستم تصمیم­همیار هوشمندی که در این پژوهش ارائه شده، به منظور یاری­رساندن به یک بازیکن در یک بازی استراتژیک بلادرنگ پیاده­سازی شده است. ایجاد برنامه­های کامپیوتری در رابطه با بازی­های استراتژیک بلادرنگ، یک زمینه­ جدید در حیطه­ی بازی در هوش مصنوعی به حساب می­آید. این برنامه­ها محدود به ایجاد حریفان هوشمند به منظور سرگرم نمودن بازیکن­های انسانی نمی­باشد و امرزوه شبیه­سازهایی با کارایی بالا جهت تمرین افراد نظامی، از خواسته­های مطرح بوده و تحقیقات هوش مصنوعی در زمینه­ این نوع از بازی­ ها، علاوه بر تولیدکنندگان تجاری بازی­ها، از حمایت­های وسیع برخی از موسسات دفاعی نیز برخوردار می­باشد.

نتایج بدست آمده از ارزیابی سیستم ارائه شده در این پژوهش، حاکی از آن است که بازیکن به کمک این دستیار هوشمند می­تواند عملکرد بهتری نسبت به سایر بازیکنان داشته باشد.

فصل اول: مقدمه

1-1- مقدمه

مسائل بسیاری وجود دارند که محدود به یک راه­حل منحصر به فرد نمی­باشند. علاوه براین، برخی از مسائل ممکن است تعداد نامحدودی مسیرهای پاسخ مشابه، داشته باشند. یک ناسازگاری هنگامی روی می­دهد که تصمیم­های گوناگونی، متناظر با مسیرهای پاسخ متمایز، فراهم باشد.

به طور کلی در سیستمی که دارای مجموعه­های نسبتاً بزرگی از قوانین و حقایق باشد، درج یک حقیقت می­تواند منجر به صحیح شدن ارزش چندین قانون و در نتیجه فعال شدن آنها گردد. هر ترتیبی از اجرای این قوانین، می­تواند نتایج متفاوتی را به دنبال داشته باشد که در این صورت این مجموعه از قوانین، مجموعه­ی قوانین ناسازگار نامیده می­شوند. یک استراتژی رفع ناسازگاری ترتیبی را برای اجرای این مجموعه از قوانین تعیین می­نماید.

سیستم­های هوشمند از قبیل سیستم­های مبتنی بر قانون، ابزارهای برنامه­ریزی، و ساختارهای وابسته به دانش، از استراتژی­های متفاوتی برای رفع ناسازگاری استفاده می­کنند] 2[.

در این پژوهش در ابتدا در رابطه با این شیوه­های متفاوت توضیحاتی ارائه می­گردد و پس از آن ایده­ایی که به منظور رفع ناسازگاری در سیستم پیشنهادی بکار برده شده، شرح داده می­شود. سیستم پیشنهادی یک سیستم تصمیم­همیار هوشمند است که به منظور یاری رساندن به یک بازیکن در یک بازی استراتژیک بلادرنگ طراحی و پیاده­سازی شده و شرح ساختار و ویژگی­های آن در فصول آتی آمده است. همچنین در این پایان­نامه در ارتباط با سیستم­های تصمیم­همیار هوشمند و ساختارهای مختلفی که محققان برای پیاده­سازی این سیستم­ها در نظر گرفته­اند، نیز مطالبی ارائه شده است.

2-1- رفع ناسازگاری

در بسیاری از سیستم­های مبتنی بر قانون، موتور استنتاج، یک مولفه­ی نرم­افزاری است که در هنگام اجرای برنامه­ی کاربردی، بر روی مجموعه ­ایی از قوانین، استنتاج می­کند. از جمله مهمترین وظایفی که توسط موتور استنتاج صورت می­گیرد، رفع ناسازگاری است] 47[. به طور کلی، رفع ناسازگاری، یک استراتژی، برای انتخاب ترتیب اجرای قوانین است هنگامی که بیش از یک قانون بتواند اجرا شود.

برای رفع ناسازگاری روش­های مختلفی وجود دارد. ساده­ترین راه­حل، انتخاب تصادفی قوانین است. در برخی از استراتژی­ها، از جمله مهمترین فاکتورهایی که در انتخاب قوانین موثر است مقدار اولویتی است که توسط سازنده­ی سیستم به هر قانون اختصاص داده می­شود که در این روش برای قوانین با الویت یکسان باید از روش دیگری استفاده گردد. روش­های خبره­تر از اطلاعات آماری مرتبط با موفقیت­ها و عدم موفقیت­های پیشین در هنگام بکار بردن قوانین مختلف، به منظور پی­بردن به احتمال موفقیت، استفاده می­کنند. همچنین برخی از روش­ها، هزینه­های قوانین را که نشان­دهنده­ی تلاش­هایی است که حل­کننده­ی مسئله برای انجام اعمال بدان نیازمند است (مانند زمان) بحساب می­آورند] 2[.

روشی که در این پژوهش به منظور رفع ناسازگاری بکار برده شده، با در نظر گرفتن یک خط استنتاج جداگانه برای هر یک از قوانین ناسازگار در طی روند استنتاج، تمامی حالات ممکن برای اولویت­بندی در اجرای قوانین را تحت پوشش قرار می­دهد.

3-1- سیستم ­های تصمیم­ همیار و سیستم­های تصمیم­ همیار هوشمند

به طور کلی، اخذ تصمیم، یکی از مهم­ترین و حساس­ترین فعالیت­هایی است که در هر سازمان و یا تشکیلاتی صورت می­گیرد] 48[. برای پشتیبانی و حمایت از این روند پیچیده، دسته­ی متنوعی از سیستم­های اطلاعاتی مستقل بنام سیستم­های تصمیم­همیار، در طی دو دهه­ی گذشته به وجود آمده­اند. این سیستم­ها به صورت ابزارهای مبتنی بر کامپیوتری که به منظور پشتیبانی از روند پیچیده­ی اخذ تصمیم و حل مسئله ایجاد می­شوند، تعریف و در جهت ایجاد محیطی برای تحلیل مسائل، ساخت مدل­ها و شبیه­سازی رویه­ی تصمیم­گیری و برنامه­ های تصمیم­ گیرندگان طراحی می­گردند] 49[.

این سیستم­های اطلاعاتی، که به منظور حمایت فعل و انفعالی از تمامی مراحل روند اخذ تصمیم یک کاربر، طراحی می­شوند، می­توانند شامل تکنولوژی­هایی برگرفته از زمینه­های علمی مختلف شامل حسابداری، علوم شناختی، علوم کامپیوتر، اقتصاد، مهندسی، مدیریت، آمار و … باشند و اغلب از سه مولفه­ی زیرسیستم داده، زیر سیستم مدل (که دارای مکانیزمی برای پردازش داده می­باشد) و زیرسیستم ارتباط با کاربر، تشکیل شده­اند] 19[.

اگرچه، سیستم­های تصمیم­همیار با بکار بردن منابع اطلاعاتی و ابزارهای تحلیل گوناگون، شرایط بهتر و با کیفیت بیشتری را برای تصمیم­گیرندگان فراهم می­سازند و داشتن یک نقش حمایتی به جای جایگزینی کامل افراد در روند اخذ تصمیم، از اهداف اصلی آنهاست] 12[، اما نمی­توان آنها را به عنوان یک همیار هوشمند برای تصمیم­گیرندگان در نظر گرفت. سیستم­های تصمیم­همیار هوشمند، برای مسائل عمومی­ایی که به تصمیم­گیری­های مکرر نیاز دارند، مفید و از لحاظ اقتصادی مقرون به صرفه هستند. این سیستم­های محاوره­ایی مبتنی بر کامپیوتر، برای حل مسائل نیمه ساخت­یافته، از، ترکیب داده و دانش تخصصی و مدل­هایی که برای حمایت از تصمیم­گیرندگان در سازمان­ها بکار می­رود، با تکنیک­های هوش مصنوعی، استفاده می­کنند] 50[.

2-4-3 روش کلاسه بندی بر پایه الگوهای نوظهور جهشی JEPs-classifier …………………………….

2-4-4 روش کلاسه بندی بر پایه الگوهای نوظهور جهشی قوی ………………………………………………… 21

2-4-5 روش تصمیم گیری مبتنی بر نمونه DeEPs ………………………………………………………………….

2-4-6 روش کلاسه بندی توسط مجموعه راست نمایی PCL …………………………………………………….

فصل سوم ………………………………………………………………………………………………………………….. 23

3- دانش اولیه ………………………………………………………………………………………………………………. 24

3-1 الگوهای نوظهور …………………………………………………………………………………………………… 24

3-2 درخت الگوی مکرر دینامیک DFP-tree ………………………………………………………………

فصل چهارم ……………………………………………………………………………………………………………….. 33

4- راهکارهای ارائه شده برای استخراج الگوهای نوظهور قوی مبتنی بر ویژگی های جریانی ………. 34

4-1 مقدمه ………………………………………………………………………………………………………………….. 34

4-2- درخت الگوی مکرر دینامیک نامرتب Unordered Dynamic FP-tree …………………………

4-3 درخت الگوی مکرر دینامیک مرتب Ordered Dynamic FP-tree ……………………………….

4-4 روش استخراج الگوها SEP-Miner …………………………………………………………………….

فصل پنجم …………………………………………………………………………………………………………………… 62

5- آزمایشات تجربی ………………………………………………………………………………………………………. 63

5-1 مقدمه ………………………………………………………………………………………………………………….. 63

5-2 کلاسه بندها ………………………………………………………………………………………………………… 63

5-2-1 کلاسه بند درخت تصمیم C4.5 ……………………………………………………………………

5-2-2 کلاسه بند SVM …………………………………………………………………………………………

5-2-3 کلاسه بند بیزین ساده ……………………………………………………………………………….. 65

5-2-4 کلاسه بند نزدیکترین همسایه ……………………………………………………………………. 66

5-2-5 الگوریتم AdaBoost………………………………………………………………………………….

5-3 تست های آماری ………………………………………………………………………………………… 68

5-3-1 تست آماری جفت شده t-tets …………………………………………………………………………

5-3-2 تست آماری Wilcoxon ………………………………………………………………………………..

5-3-3 تست آماری فردمن ………………………………………………………………………………………. 69

5-4 تنظیمات تجربی ………………………………………………………………………………………………….. 71

5-5 مقایسه دقت پیش بینی ……………………………………………………………………………………….. 73

5-6 مقایسه تعداد الگوها ……………………………………………………………………………………………. 81

5-7 مقایسه زمان اجرا ………………………………………………………………………………………………… 83

5-8 تحلیل اثر ترتیب در ساخت درخت الگوی مکرر دینامیک ……………………………………… 86

5-9 چگونگی تعیین کردن حداقل آستانه فراوانی نسبی ………………………………………………. 88

5-10 تحلیل حساسیت روی حداقل آستانه های نرخ رشد ………………………………………………. 89

5-11 مقایسه کارایی DFP-SEPSF بدون دانستن کل فضای ویژگی ها …………………………. 90

5-12 خلاصه نتایج تجربی ……………………………………………………………………………………. 94

فصل ششم ……………………………………………………………………………………………………………. 96

6- نتیجه گیری و کارهای آینده …………………………………………………………………………………. 97

اختصارات ……………………………………………………………………………………………………………. 99

واژه نامه فارسی به انگلیسی ………………………………………………………………………………….. 100

واژه نامه انگلیسی به فارسی ………………………………………………………………………………… 108

فهرست منابع …………………………………………………………………………………………………. 116

چکیده:

استخراج الگوهای مفید از مجموعه داده ها، یکی از موضوعات چالش برانگیز در داده کاوی است. از طرفی در داده ها با ابعاد بالا، استخراج مجموعه کوچکی از الگوهای نوظهور با قابلیت پیش بینی قوی، از مسائل مهم در ایجاد یک کلاسه بند بر پایه الگوهای نوظهور است. در دنیای واقعی، ویژگی ها همیشه بطور کامل در دسترس نیستند؛ بر این اساس، مسئله سخت تر می شود وقتی که مجموعه ویژگی ها قبل از شروع فرآیند یادگیری ناشناخته باشد. ویژگی های جریانی عنوان ویژگی هایی است که بصورت برخط تولید می شوند و در همان زمان تولید پردازش می شوند. در این طرح، ویژگی ها یکی یکی به مرور زمان پدیدار می شوند بجای اینکه تمام ویژگی ها قبل از فرآیند یادگیری آماده باشند.

در این مطالعه، ما ساختار دینامیک از درخت الگوی مکرر پیشنهاد می دهیم تا درخت به محض ورود ویژگی های جدید ساخته شود و استخراج الگوهای نوظهور بصورت برخط صورت گیرد. DFP-SEPSF، یک روش موثر پایین به بالا ارائه می دهد تا یک درخت الگوی مکرر دینامیک نامرتب UDFP-tree و یک درخت الگوی مکرر دینامیک مرتب ODFP-tree بسازد. اولین روش ترتیب آیتم ها را در نظر نمی گیرد، در حالیکه دومین روش ترتیب آیتم ها را اعمال می کند.

بعلاوه، چارچوب پیشنهادی الگوهای نوظهور قوی را استخراج می کند تا یک کلاسه بند قوی و سریع ایجاد کند که می تواند با نویز مقابله کند.

روش پیشنهادی فضای جستجوی الگوهای نوظهور را بطور قابل توجهی کاهش می دهد و الگوهای نوظهور با قدرت تمایز قوی را با کمک حذف الگوهای بی فایده استخراج می کند.

روش ارائه شده الگوهای نوظهور را برای هر کلاس بصورت همزمان کشف می کند و بعلاوه، فرآیند تولید درخت های الگوی مکرر را بصورت کارایی در راستای کاهش محاسبات، هدایت می کند.

ارزیابی تجربیات ما بر روی محدوده وسیعی از داده ها، اثربخشی روش پیشنهادی را در مقایسه با دیگر روش های شناخته شده از نظر دقت پیش بینی، تعداد الگوهای استخراجی و زمان اجرا نشان می دهد.

فصل اول: مقدمه

1-1- مقدمه

کلاسه بندی[1] یکی از وظایف اساسی در داده کاوی[2] است که بطور وسیعی در زمینه یادگیری ماشین[3]، شبکه های عصبی[4] و تشخیص الگو[5] مورد مطالعه واقع شده است. ورودی، مجموعه ای از نمونه های آموزشی[6] است که شامل چندین ویژگی[7] است. ویژگی ها با توجه به دامنه مقادیرشان به دو دسته ویژگی های گسسته[8] و ویژگی های پیوسته[9] قابل تفکیک هستند. در حالت کلی، یک کلاسه بند[10]، توصیف مختصر و معنادار (مدل[11]) برای هر برچسب کلاس[12] در رابطه با ویژگی ها تولید می کند. سپس، مدل برای پیش بینی برچسب کلاس نمونه های ناشناخته[13] بکار می رود. کلاسه بندی همچنین بعنوان یادگیری با ناظر[14] نیز شناخته می شود که در آن هر نمونه آموزشی دارای برچسب کلاس است. در حالی که، یادگیری بدون ناظر[15] یا خوشه بندی[16] جستجو می کند و گروه های همگن از اشیا را بر اساس مقادیر ویژگی هایشان دسته بندی می کند؛ در واقع، نمونه ها دارای برچسب کلاس نیستند. کلاسه بندی در محدوده وسیعی از کاربردها از جمله آزمایشات علمی[17]، تشخیص دارو[18]، پیش بینی آب و هوا[19]، تایید اعتبار[20]، تقسیم بندی مشتری[21]، بازاریابی هدف[22] و تشخیص تقلب[23] بطور موفقیت آمیزی بکار می رود.

کلاسه بندی بر پایه الگوها[24]، یک متدلوژی جدید محسوب می شود. کشف الگوهایی که نشاندهنده تمایز بین کلاس های مختلف هستند، یکی از موضوعات مهم در داده کاوی محسوب می شود. در این تحقیق، ما کلاسه بندی را بر اساس الگوهایی به نام الگوهای نوظهور[25] (Emerging Patterns) که تمایز بین کلاس ها را بصورت بارزی نشان می دهند، از مجموعه داده ها[26] استخراج می کنیم و سپس، بر اساس آنها، کلاسه بندی را انجام می دهیم.

2-1- مفهوم الگوهای نوظهور

مفهوم الگوهای نوظهور برای استخراج دانش از پایگاه داده ها توسط Dong و Li پیشنهاد شده است تا تغییرات قابل توجه بین کلاس ها را به تصویر بکشند [1]. یک الگوی نوظهور، ترکیب عطفی بین ویژگی هایی است که میزان احتمال حضور آن در یک کلاس نسبت به دیگر کلاس ها بطور قابل توجهی تغییر می کند [1،2]. این الگوها مفید هستند به این دلیل که قادر هستند تا وجه تمایز بین کلاس ها را بیان کنند. در صورتی که میزان فراوانی[27] هر الگو که در یک کلاس نسبت به دیگر کلاس ها قابل توجه باشد، نشاندهنده آن است که این الگو، بطور خاص به این کلاس اختصاص دارد و از طرفی این نوع الگوها برای پایگاه داده هایی که بحث محدودیت زمانی برای استخراج دانش از آنها مطرح است، اهمیت ویژه ای می یابند.

استخراج الگوهای نوظهور بدین صورت مطرح می شود: « پیدا کردن آیتم هایی که نرخ رشد[28] آن (که بصورت نسبت احتمال آن آیتم بین کلاس های مختلف تعریف می شود) از مقدار آستانه ای بیشتر باشد.» این مقدار آستانه باید بگونه ای انتخاب شود که الگوهای استخراجی ، تفاوت و تمایز بین کلاس های مختلف را نشان دهند. این الگوها در واقع مجموعه ای از آیتم ها هستند که بیان کننده ترکیب عطفی بین مقادیر ویژگی ها هستند [2].

نوعاً، تعداد الگوهای استخراجی بسیار زیاد است اما فقط شمار کمی از این الگوها برای تحلیل داده ها و کلاسه بندی مطلوب و مفید هستند. از آن جایی که مقدار زیادی از این الگوها بی ربط[29] و تکراری[30] هستند، دانش جدیدی را فراهم نمی کنند و لذا تاثیر نامطلوبی بر روی دقت کلاسه بند دارند که موجب کاهش دقت پیش بینی[31] می شوند. برای افزایش کارایی[32] و دقت، بایستی روالی را توسعه داد که الگوهای وابسته و غیر مفید حذف شوند تا شمار این الگوها کاهش یابد.

یک الگوی نوظهور با احتمال بالا در کلاس خودش و احتمال پایین در کلاس مقابلش می تواند برای تعیین یک نمونه تست بکار رود. قدرت این الگو توسط معیارهایی مثل فراوانی نسبی[33] و نرخ رشد ( نسبت احتمال الگو در یک کلاس نسبت به دیگر کلاس ها) آن بیان می شود.

در بسیاری از زمینه های کاربردی مانند کشف دانش از داده های ژنی[34] ، پردازش تصویر[35]، کشف نفوذ[36] ، کشف برون هشته[37]، کشف کلاهبرداری[38] ، داده های نامتوازن[39] ، جریان داده ها[40] ، بیوانفورماتیک[41] ، سیستم های پیشنهاد دهنده[42] ، نیاز است که تغییر ناگهانی در داده ها تشخیص داده شود. الگوهای نوظهور تغییرات ناگهانی و تفاوت های قابل توجه را از داده ها استخراج می کنند. الگوهای نوظهور، در زمینه پردازش تصویر برای قطعه بندی بدین گونه عمل می کند که سعی می کند در پیکسل هایی که تغییر ناگهانی شدت[43] بوجود می آید را بعنوان یک قطعه جدید معرفی کند. در زمینه کشف نفوذ و کلاهبرداری، رفتار داده ها پیگیری می شود، زمانی که رفتار داده ها بصورت ناگهانی تغییر کند، بعنوان نفوذ تشخیص داده می شود. در سیستم های پیشنهاد دهنده، سیستم به دنبال رفتارهای خاص و مختص هر کاربر است تا با کشف ویژگی های خاص هر کاربر، به او محصولات مطابق با علایق و استعدادهای او را پیشنهاد دهد. لذا الگوهای نوظهور در این راستا نقش بسزایی دارند.

3-1- مفهوم ویژگی های جریانی[44]

در داده های جریانی[45]، نمونه ها به مرور زمان دریافت می شوند در حالیکه تعداد ویژگی ها ثابت می باشد. اما در ویژگی های جریانی، تعداد داده های یادگیری ثابت می باشد ولی ویژگی ها بصورت دینامیک تولید می شوند و الگوریتم یادگیری به مرور زمان ویژگی ها را دریافت می دارد [31، 32]. در ویژگی های جریانی روال بدین صورت است ویژگی های توسط روش های تولید ویژگی مانند روش های یادگیری رابطه ای آماری[46] و تعاملات بین ویژگی ها[47]، تولید می شوند. مشکلاتی که در پی تولید ویژگی ها توسط این روش ها بروز می کند بدین شرح است که: 1) میلیون ها و یا حتی بیلیون ها ویژگی تولید می شوند که بدلیل محدودیت های حافظه امکان نگهداری این حجم از ویژگی وجود دارد و از طرفی زمان بسیار زیادی بایستی صرف شود تا فرآیند یادگیری شروع شود. 2) ویژگی ها توسط کوئری های موجود در SQL تولید می شوند که اجرای این کوئری ها محدود به زمان پروسسور[48] است تقریبا پروسسور هر صدهزار کوئری را در 24 ساعت اجرا می کند. از طرفی بسیاری از ویژگی ها تولیدی بی ربط و تکراری هستند[49]. این موضوع نشان می دهد که شمار کمی از این ویژگی های تولیدی در عمل در فرآیند یادگیری موثر است و لذا تولید ویژگی ها هزینه بر است [32]. بر این اساس برای فائق آمدن بر این مشکلات، مفهوم ویژگی های جریانی شکل گرفت و تلاش شد تا با تولید دینامیک ویژگی ها و بررسی این ویژگی ها در زمان تولید و تاثیر آن بر روال یادگیری فرآیند تولید ویژگی ها را هدایت کنند.

برای برخورد با چالش های مطرح شده، بایستی فرآیند یادگیری قابلیت پاسخگویی به ویژگی های جریانی را داشته باشد. در واقع، روال یادگیری بایستی بصورت افزایشی با دریافت هر ویژگی قابل بروزرسانی شدن داشته باشد بدون اینکه به اولین مرحله یادگیری بازگردد. لذا در راستای استخراج الگوهای قوی بایستی در ابتدا ویژگی ها بررسی شوند و ویژگی هایی که بی ربط هستند را حذف کرد، سپس از روی ویژگی های مفید و قوی ، الگوها را استخراج کرد.

[1] Classification

[2] Data mining

[3] Machine learning

[4] Neural networks

[5] Pattern recognition

[6] Training instances

[7] Features

[8] Nominal

[9] Numerical

[10] Classifier

[11] Model

[12] Class label

[13] Unknown

[14] Supervised learning

[15] Unsupervised learning

[16] Clustering

[17] Scientific experiments

[18] Medical diagnosis

[19] Weather prediction

[20] Credit approval

[21] Customer segmentation

[22] Target marketing

[23] Fraud detection

[24] Patterns

[25] Emerging patterns

[26] Datasets

[27] Frequency

[28] Growth rate

[29] Irrelevant patterns

[30] Redundant patterns

[31] Predictive accuracy

[32] Performance

[33] Support

روش تشخیص فازی…………………………………………………………………………………… 24

روش الگوریتم های پویا و مبتنی بر عامل…………………………………………………….. 25

روش های دیگر…………………………………………………………………………………………. 26

مقایسه روش های تشخیص تشکل های همپوشان در شبکه های ایستا……………… 26

مجموعه داده ها……………………………………………………………………………………. 27

معیارهای ارزیابی………………………………………………………………………………. 29

نتایج آزمایش ها…………………………………………………………………………………… 30

تحلیل نتایج………………………………………………………………………………………….. 37

تشخیص تشکل های همپوشان در شبکه های پویا………………………………………… 38

جمع بندی………………………………………………………………………………………… 38

فصل سوم: ارائه راه حل و روش های پیشنهادی………………………………………. 42

مقدمه…………………………………………………………………………………………….. 42

نگاهی دقیق تر به روش انتشار برچسب…………………………………………….. 42

الگوریتم……………………………………………………………………………………………. 43

تحلیل پیچیدگی زمانی……………………………………………………………………….. 45

بهبود کارایی روش انتشار برچسب……………………………………………………… 46

الگوریتم………………………………………………………………………………………… 46

الگوریتم مبتنی بر انتشار برچسب برای تشخیص تشکل های همپوشان در شبکه های پویا…… 48

الگوریتم…………………………………………………………………………………………… 48

فصل چهارم: آزمایش ها و نتایج……………………………………………………………. 52

مقدمه…………………………………………………………………………………………… 52

بهبود کارایی روش انتشار برچسب در شبکه های ایستا………………………………. 52

پیاده سازی روش پایه………………………………………………………………………… 52

پیاده سازی روش پیشنهادی………………………………………………………………. 53

مجموعه داده ها………………………………………………………………………………… 53

معیار ارزیابی………………………………………………………………………………… 54

نتایج آزمایش ها……………………………………………………………………………. 54

تحلیل نتایج…………………………………………………………………………………. 57

تحلیل پیچیدگی زمانی…………………………………………………………………… 58

تشخیص تشکل های همپوشان در شبکه های پویا…………………………………… 58

مجموعه داده ها………………………………………………………………………….. 59

معیارهای ارزیابی……………………………………………………………………………… 60

نتایج آزمایش ها……………………………………………………………………………… 60

تحلیل نتایج………………………………………………………………………………… 63

تحلیل پیچیدگی زمانی……………………………………………………………………… 64

فصل پنجم: بحث و نتیجه گیری………………………………………………………. 66

نتیجه گیری……………………………………………………………………………………….. 66

پیشنهاد ها برای کارهای آینده…………………………………………………………….. 67

منابع و مآخذ…………………………………………………………………………………… 69

چکیده:

بسیاری از ساختارهای پیچیده طبیعی و اجتماعی را می توان به صورت شبکه در نظر گرفت. جاده ها، پایگاه های اینترنتی، شبکه های اجتماعی،ارتباطات سازمانی، روابط خویشاوندی، تبادل نامه های الکترونیک، تماس های تلفنی و تراکنش های مالی تنها چند نمونه از این شبکه ها هستند. امروزه تحلیل شبکه ها یکی از شاخه های پژوهشی پرطرفدار و پرکاربرد در سطح جهان است و توجه پژوهشگران بسیاری از رشته های مختلف از جمله علوم کامپیوتر و علوم اجتماعی را به خود اختصاص داده است. نتایج حاصل از این پژوهش ها، ابزار و اطلاعات مفیدی را برای استفاده در حوزه های مختلف از جمله: ارتباطات، امنیت و تجارت در اختیار قرار می دهد.

یکی از موضوعات پرکاربرد در زمینه تحلیل شبکه ها، شناسایی تشکل ها در شبکه است. می توان هر تشکل را توده ای متراکم از رئوس در نظر گرفت که از طریق یالهای اندکی با تشکل های دیگر در ارتباط است. به عنوان مثال افراد با علایق و تمایلات مشابه در شبکه های اجتماعی، صفحات با محتوای مرتبط در فضای وب، مقالات با حوزه های مشابه در پایگاه مقالات، همگی نمونه هایی از تشکل ها در شبکه های مختلف هستند. در سال های اخیر، کارهای بسیاری در زمینه شناسایی تشکل ها، انجام گرفته و الگوریتم ها و ابزارهای متعددی ارائه شده است اما همچنان تلاش برای ارائه روش های بهتر از منظرهای مختلف از جمله سرعت، دقت و مقیاس پذیری ادامه دارد.

در این پایان نامه، دو روش پیشنهادی، یکی برای افزایش کارایی تشخیص تشکل های همپوشان در شبکه های ایستا و دیگری برای شبکه های پویا به همراه نتایج آزمایش های متعدد انجام شده برای ارزیابی کارایی آنها ارائه شده است.

فصل اول: مقدمه

مقدمه:

در دنیای امروز، ما با سیستم های پیچیده ای[1] در پیرامون خود احاطه شده ایم، از جامعه که در آن میلیون ها عضو با یکدیگر در حال تعامل هستند تا شبکه های تلفن همراه و کامپیوتر که میلیون ها کاربر را به یکدیگر متصل می کنند. همچنین توانایی ما برای استنتاج و درک محیط اطراف، وابسته به شبکه ای از میلیاردها سلول عصبی[2] در مغز ماست. این سیستم های پیچیده نقش های بسیار مهمی در جنبه های مختلف زندگی ما ایفا می کنند. درک، توصیف، پیش بینی و کنترل این سیستم ها از جمله بزرگترین چالش های ما در جهان مدرن است.

معمولا در پشت هر کدام از این سیستم های پیچیده، شبکه ای عظیم قرار دارد که تعاملات بین اجزای این سیستم ها را مشخص می کند. به عنوان مثال: فعل و انفعالات شیمیایی درون بدن موجودات زنده، تعاملات میان سلول های عصبی مغز، روابط دوستی، خویشاوندی و اجتماعی، شبکه جهانی اینترنت، تراکنش های مالی، خطوط انتقال و توزیع نیرو، راه های ارتباطی زمینی، هوایی و دریایی، همگی بخشی از مواردی هستند که می توان آنها را به صورت یک شبکه توصیف کرد. همچنین می توان گفت که شبکه ها قلب بسیاری از فناوری های انقلابی عصر حاضر هستند. موتورهای جستجو[3]، شبکه های اجتماعی مجازی[4]، شبکه های کامپیوتری جهانی، شبکه جهانی مخابرات و تلفن همراه تنها تعدادی از این نمونه ها هستند.

با وجود تفاوت و تنوع بسیار زیادی که در ماهیت، اندازه، کاربرد، رفتار و ویژگی های مختلف این سیستم ها و شبکه ها، چه از نوع طبیعی و چه ساخته دست بشر وجود دارد، می توان اصول و قوانین مشخص و مشابهی را در میان آنها مشاهده کرد. برای مثال: شبکه واکنش های شیمیایی که اجزای آن را مولکول های بسیار کوچک تشکیل می دهند، شبکه جهانی وب[5] که در آن صفحات وب به وسیله پیوندهای وب[6] به یکدیگر متصل شده اند، شبکه های اجتماعی که از روابط میان افراد تشکیل شده اند و بسیاری موارد دیگر، همگی قابل توصیف با ساختارها و قوانین مشابهی هستند و این امر به عنوان یک مزیت بزرگ تلقی می شود. زیرا می توان تمام این سیستم های متفاوت طبیعی و مصنوعی را توسط ابزارهای ریاضی و مدل سازی مشابهی توصیف کرد.

با توجه به اینکه از سال ها پیش بسیاری از این سیستم ها، مانند: ساختارها و واکنش های زیستی، راه های ارتباطی، روابط اجتماعی و نظایر آن و همچنین دانش مطالعه بر روی سیستم ها و شبکه ها شناخته شده اند، پرسشی که ممکن است مطرح شود این است که چرا اهمیت این موضوع تنها در چند دهه اخیر آشکار شده است؟ پاسخی که می توان داد این است که در گذشته ابزارهای مناسبی برای جمع آوری، نگهداری و پردازش این اطلاعات وجود نداشت اما امروزه با توسعه چشمگیر فناوری هایی نظیر کامپیوتر و شبکه های ارتباطی دیجیتال، این امکان فراهم آمده است که گردآوری، ترکیب، اشتراک و تحلیل این اطلاعات با سهولت، سرعت و دقت بالا و هزینه کم قابل اجرا باشد.

دانش شبکه[7]

دانش شبکه شاخه ای از علوم بشری است که به مطالعه بر روی شبکه ها می پردازد و تلاش می کند با استفاده از نتایج بررسی های خود، از آنها برای درک بهتر سیستم های پیچیده بهره بگیرد. به طور کلی می توان چهار ویژگی را برای این دانش برشمرد که در ادامه به اختصار به آنها اشاره می شود (1):

ماهیت میان رشته ای: با توجه به نحوه برخورد با مسئله در حوزه مطالعه شبکه ها، این دانش تنها به یک شاخه خاص از علم محدود نبوده و می تواند در علوم گوناگون از قبیل: علوم اجتماعی، زیستی، کامپیوتر، فیزیک، شیمی، اطلاعات، اقتصاد، امنیت و بسیاری از موارد دیگر کاربرد داشته باشد. به عنوان مثال، روشی که در حوزه علوم اجتماعی برای تشخیص افراد و گرو های موثر بر جامعه مورد استفاده قرار می گیرد، ممکن است در شبکه های کامپیوتری برای مدیریت ترافیک شبکه به کار برده شود.

عملگرایی و تمرکز بر داده ها: بر خلاف نظریه گراف ها که بیشتر به جنبه های انتزاعی و ریاضی مسائل توجه دارد، این دانش بیشتر بر حوزه کاربرد عملی و داده های مسئله تمرکز می کند. به همین جهت ابزارها و روش هایی که در این زمینه ارائه می شوند، بر روی داده ها و مسائل واقعی آزمایش می شوند تا قابلیت و کارایی آنها مشخص شود.

بیان کمی و ریاضی: مطالعه شبکه ها برای توصیف و مطالعه بهتر و دقیق تر، از ابزارها و روش های ریاضی بهره می برد. به عنوان مثال: نظریه گراف ها، آمار و احتمالات، داده کاوی[8]، تئوری اطلاعات[9]، کنترل و فیزیک آماری از جمله علومی هستند که در این حوزه کاربرد دارند.

پردازش و محاسبات: از آنجا که اغلب مسائل مطرح شده در این حوزه، حجم عظیمی از اطلاعات را در بر می گیرند، بخش مهمی از کار به طراحی و بکارگیری روش هایی معطوف می شود که بتوانند از عهده محاسبات سنگین مورد نیاز برآیند. به همین منظور طراحی الگوریتم ها، پایگاه داده ها و داده کاوی بخشی از ابزارهای نرم افزاری هستند که بسیار به کار برده می شوند.

کاربردهای دانش شبکه:

کارایی و تاثیر هر شاخه از علم، علاوه بر دستاوردهای نظری، در حوزه کاربردهای عملی نیز مورد بررسی قرار می گیرد. در این بخش به اختصار به چند مورد از کاربردهای دانش شبکه ها اشاره می کنیم.

2-5-1- فیلترینگ اشتراکی مبتنی بر حافظه…………………………………………………………………………24

2-5-1-1- فیلترینگ اشتراکی مبتنی بر حافظه با پیش­بینی بر اساس کاربران…………………….25

2-5-1-2- فیلترینگ اشتراکی مبتنی بر حافظه با پیش­بینی بر اساس اقلام…………………………25

2-5-1- 3- تفاوت فیلترینگ اشتراکی بر اساس کاربران و بر اساس اقلام……………………………..26

2-5-2- فیلترینگ اشتراکی مبتنی بر مدل……………………………………………………………………………..26

2-6- نحوه­ تشخیص علائق کاربران………………………………………………………………………………………….27

2-6-1- تشخیص علائق به صورت صریح…………………………………………………………………………………27

2-6-2- تشخیص علائق به صورت ضمنی……………………………………………………………………………….27

2-7- محاسبه­ شباهت……………………………………………………………………………………………………………….28

2-7-1- معیار همبستگی پیرسون……………………………………………………………………………………………28

2-7-2- معیار اندازه­گیری کسینوس………………………………………………………………………………………..29

2-8- انتخاب همسایه……………………………………………………………………………………………………………….30

2-8-1- استفاده از حد آستانه………………………………………………………………………………………………….30

2-8-2- انتخاب تعداد ثابتی از همسایگان……………………………………………………………………………….30

2-9- پیش­بینی و تخمین رتبه…………………………………………………………………………………………………31

2-9-1- استفاده از امتیازهای خام……………………………………………………………………………………………31

2-9-2- استفاده از امتیازهای نرمال شده………………………………………………………………………………..31

2-10- مشکلات فیلترینگ اشتراکی………………………………………………………………………………………..32

2-10-1- پراکنده بودن داده…………………………………………………………………………………………………….32

2-10-2- مقیاس پذیری………………………………………………………………………………………………………….32

2-10-3- اقلام مشابه……………………………………………………………………………………………………………….33

2-10-4- گری­شیپ…………………………………………………………………………………………………………………33

2-11- بررسی چگونگی کارکرد سایت آمازون…………………………………………………………………………33

فصل 3 : روش محتوا محور………………………………………………………………………………………………………36

3-1- پیشگفتار………………………………………………………………………………………………………………………….37

3-2- روند کار روش محتوا محور……………………………………………………………………………………………..37

3-2-1- تحلیل­گر محتوا…………………………………………………………………………………………………………..38

3-2-2- یادگیرنده نمایه …………………………………………………………………………………………………..39

3-2-3- جزء فیلترینگ…………………………………………………………………………………………………………….42

3-3- مزایای روش محتوا محور………………………………………………………………………………………………..42

3-3-1- استقلال کاربر……………………………………………………………………………………………………………..42

3-3-2- شفافیت……………………………………………………………………………………………………………………….42

3-3-3- قلم جدید…………………………………………………………………………………………………………………….43

3-4- معایب روش محتوا محور…………………………………………………………………………………………………43

3-4-1- کمبود محتوا……………………………………………………………………………………………………………….43

3-4-2- خصوصی سازی افزون…………………………………………………………………………………………………43

3-4-3- کاربر جدید………………………………………………………………………………………………………………….44

فصل 4 : روش پیشنهادی………………………………………………………………………………………………………….45

4-1- پیشگفتار………………………………………………………………………………………………………………………….46

4-2- بر کارهای انجام شده در این راستا……………………………………………………………………..46

4-3- مقدمه­ای بر روش پیشنهادی…………………………………………………………………………………………..48

4-4- روش پیشنهادی………………………………………………………………………………………………………………48

4-4-1- پیش­ پردازش………………………………………………………………………………………………………………49

4-4-1-1- پیش پردازش بر روی پایگاه داده MovieLens………………………………………………………………….

4-4-1-2- پیش پردازش بر روی پایگاه داده EachMovie………………………………………………………………..

4-4-2- وزن­دهی به اقلام…………………………………………………………………………………………………………51

4-4-3- انتخاب­همسایگی…………………………………………………………………………………………………………53

4-4-4- پیش­بینی……………………………………………………………………………………………………………………54

فصل 5 : آزمایش­ها و نتایج……………………………………………………………………………………………………….56

5-1- پایگاه داده­های مورد استفاده…………………………………………………………………………………………..57

5-2- نحوه­اجرای روش پیشنهادی روی پایگاه داده­MovieLens……………………………………………………..

5-3- نحوه­اجرای روش پیشنهادی روی پایگاه دادهٍEachMovie……………………………………………………

5-4- معیارهای­ارزیابی………………………………………………………………………………………………………………58

5-4-1- میانگین خطای مطلق…………………………………………………………………………………………………58

5-4-2- دقت و فراخوانی………………………………………………………………………………………………………….59

5-4-3- معیار ارزیابیF1…………………………………………………………………………………………………………60

5-5- ارزیابی روش پیشنهادی توسط معیارهای معرفی شده…………………………………………………..61

فصل 6 : بحث و نتیجه­ گیری…………………………………………………………………………………………………….66

6-1- بحث…………………………………………………………………………………………………………………………………67

6-2- نتیجه­گیری……………………………………………………………………………………………………………………..67

6-4- پیشنهادات……………………………………………………………………………………………………………………….68

مراجع………………………………………………………………………………………………………………………………..69

چکیده:

سیستم­های پیشنهادگر ابزارهای نرم افزاری و تکنیک­هایی هستند که اقلام را مطابق با نیاز کاربر به او معرفی می­کنند. روش­های محتوا محور و فیلترینگ اشتراکی از راهکارهای موفق در سیستم­های پیشنهادگر می­باشند. روش محتوا محور بر اساس ویژگی­های اقلام تعریف می­شود. این روش بررسی می­کند که اقلام مورد علاقه کاربر دارای چه ویژگی­هایی بوده­اند، سپس اقلام دارای ویژگی­های مشابه را به او پیشنهاد می­کند. روش فیلترینگ اشتراکی بر اساس تعیین اقلام مشابه یا کاربران مشابه کار می­کند که به ترتیب فیلترینگ اشتراکی مبتنی بر اقلام و مبتنی بر کاربران نامیده می­شود. در این پایان نامه یک روش تلفیقی از روش­های فیلترینگ اشتراکی و محتوا محور ارائه شده است. این روش می­تواند به عنوان روش فیلترینگ اشتراکی مبتنی بر کاربر در نظر گرفته شود. به این صورت که به منظور یافتن کاربرانی با سلیقه مشابه با کاربر فعال به عنوان کاربرانی با دقت پیشگویی بالا از ویژگی­های مربوط به محتوای اقلام برای افزایش تاثیر امتیاز­هایی که توسط کاربران به اقلام مشابه تخصیص داده شده است استفاده می­کند. به بیان دیگر دو کاربر مشابه هستند در صورتی که امتیاز­هایی که به اقلامی که از نظر محتوا مشابه هستند نسبت داده­اند، همسان باشند. برای این منظور در هنگام سنجیدن شباهت دو کاربر، به امتیاز نسبت داده شده به هر قلم، با توجه به میزان شباهت آن به قلم هدف، وزن تخصیص می­ یابد.

فصل اول

1- مقدمه

1-1- پیشگفتار

پیدایش اینترنت و وب جهان گستر[1] موجب شده است که در رابطه با هر موضوع قابل تصور، حجم بسیار زیادی از اطلاعات وجود داشته باشد که کاربران[2] بتوانند با استفاده از آن نیاز اطلاعاتی خود را برطرف سازند. افزایش روز افزون اطلاعات باعث شد که مشکل سربار اطلاعات[3] به وجود آید و کاربران به تنهایی قادر به برطرف کردن نیازهای خود نباشند. . زیرا کاربران مجبور بودند به صورت بر خط[4] تمامی صفحات را جستجو کنند تا بتوانند آن قسمتی را که مورد نیازشان است پیدا کنند. به همین دلیل موتورهای جستجوگر[5] به وجود آمدند تا کاربران بتوانند با استفاده از آنها بدون نیاز به بررسی تعداد زیادی از صفحات به اطلاعات مورد نظرشان دسترسی پیدا کنند.

1-2- موتورهای جستجوگر

به عبارت دیگر یک موتور جستجوگر وب سایتی است که می­توان از آن برای پیدا کردن صفحات وب استفاده کرد. وقتی کاربر درخواست خود را در قالب کلمات کلیدی وارد موتور جستجوگر می­کند موتور جستجوگر در بین بیلیون­ها صفحه­ وب جستجو کرده و به کاربر کمک می­کند اطلاعاتی که به دنبال آن است را بیابد. با استفاده از این ابزار سرعت و دقت در جستجو بسیار افزایش یافت و کاربران توانستند به سادگی و در کمترین زمان به بهترین نتایج دست یابند.

انواع زیادی از موتورهای جستجوگر توسط کمپانی­های مختلف ساخته شده است که معروف­ترین آنها بینگ[6]، یاهو[7] و گوگل[8] می­باشد (شکل شماره­ 1).

هر موتور جستجوگر راه و روش خود را برای سازمان­دهی اطلاعات دارد، پس نتیجه از یک موتور جستجوگر تا دیگری متفاوت خواهد بود.

موتورهای جستجوگر به دو دسته­ کلی تقسیم می­شوند : موتورهای جستجوگر پیمایشی[9] و فهرست­های تکمیل دستی[10]. موتورهای جستجوگر ترکیبی[11] نیز حاصل ترکیب دو نوع بالا می­باشند. گونه­ای جدید از موتورهای جستجوگر نیز تحت عنوان ابر جستجوگرها[12] وجود دارد که در ادامه به طور خلاصه به توضیح هر کدام از این موارد خواهیم پرداخت.

1-2-1- موتورهای جستجوگر پیمایشی

این موتورهای جستجوگر، وب را پیمایش و اطلاعاتی را ذخیره می­کنند. سپس کاربران از میان این اطلاعات آنچه را که می_­خواهند جستجو می­کنند. اگر در صفحه­ وب تغییراتی اعمال شود موتورهای جستجوگر پیمایشی به طور خودکار آنها را می­یابند و تغییرات مذکور را در فهرست­ها اعمال می­کنند. نمونه­هایی ازموتورهای جستجوگر پیمایشی گوگل و یاهو می­باشند.

1-2- 2- فهرست­های تکمیل دستی

فهرست­های تکمیل دستی وابسته به کاربرانی می­باشد که آن را تکمیل می­کنند. یا کاربر خودش صفحه­ مورد نظر را به همراه توضیحی کوتاه در فهرست ثبت می­کند یا این کار توسط ویراستارهایی که برای آن فهرست در نظر گرفته شده صورت می­پذیرد. در این حالت عمل جستجو تنها بر روی توضیحات ثبت شده انجام می­گیرد و اگر تغییری روی صفحه­ وب به ­وجود آید در فهرست تغییر به وجود نخواهد آمد. نمونه­ای از فهرست­های تکمیل دستی Open Directoryمی­باشد[13].

1-2-3- موتورهای جستجوگر ترکیبی

این موتورهای جستجوگر نتایج حاصل از جستجوی هر دو نوع بالا را با هم ترکیب می­کنند و نشان می­دهند. علاوه بر این می­توانند برای نتایج یک نوع، اولویت قائل شوند. مثلا موتور جستجوی MSN اولویت را روی نتایج حاصل از فهرست­های تکمیل دستی قرار می­دهد. ولی برای درخواست­های پیچیده، نتایج حاصل از جستجوی پیمایشی را نیز بررسی می­کند.

1-2-4- ابر جستجوگرها

این نوع جدید از موتورهای جستجوگر نتایج حاصل از چند موتور جستجوگر را ترکیب نموده و نشان می­دهد. به عبارتی دیگر درخواست کاربر را در چندین موتور جستجوگر جستجو کرده، سپس نتایج یافته شده را با هم ترکیب نموده و یک نتیجه­ کلی در اختیار کاربر قرار می­دهد. به عنوان مثال موتور جستجوگر dogpile[14] نتایج حاصل از موتورهای جستجوگرGoogle ، Yahoo، MSN و ASK را با هم ترکیب می_­کند و به کاربر ارائه می­دهد.

1-3- سیستم­های پیشنهادگر

مطالعات اخیر نشان داده­اند که عمده­ موتورهای جستجوگر با نرخ پایین موفقیت مواجه هستند. این نرخ با میزان دریافت نتایج مرتبط، نسبت به میانگین کاربران جستجو کننده تعیین می­شود. به­ عنوان مثال در یکی از مطالعات[1] بیش از 20000 درخواست جستجو بررسی شده و مشخص گردیده که به طور میانگین در 48% موارد، کاربر در نتایجی که به او ارائه شده حداقل یک مورد مرتبط با جستجویش که ارزش انتخاب داشته باشد پیدا می­کند. به بیان دیگر در 52% موارد، کاربر هیچ کدام از مواردی را که به ­عنوان نتیجه جستجو به او بازگشت داده می­شود انتخاب نمی­کند. البته این مشکل همان قدر که به موتور جستجوگر بستگی دارد به میزان دانش کاربر جستجو کننده در چگونگی نحوه­ جستجو نیز بستگی دارد. زیرا درخواست جستجو ممکن است منجر به ابهام شود و به ندرت می­تواند به روشنی نیاز کاربر جستجو کننده را بیان کند. در این مواقع کاربر با لیست نتیجه­ای که نمی­تواند نیاز اطلاعاتی او را برطرف سازد رو­­­برو می­شود. او در این شرایط معمولا درخواست خود را تعویض یا اصلاح می­کند تا نتیجه­ دلخواهش به او ارائه شود.

2-4-1) دیدگاه مبتنی بر تولید. 20

2-4-2) دیدگاه مبتنی بر محصول. 21

2-4-4) دیدگاه مبتنی بر بازاریابی 22

2-4-5) دیدگاه مبتنی بر بازاریابی اجتماعی (حفظ محیط زیست ). 24

2-5) ابعاد گوناگون بازاریابی.. 24

2-5-1)بازارگرایی.. 24

2-5-2) بازارشناسی.. 25

2-5-3) بازاریابی.. 25

2-5-4) بازارسازی.. 25

2-5-5) بازار گردی.. 25

2-5-6) بازارسنجی.. 25

2-5-7) بازارداری.. 26

2-5-8) بازار گرمی.. 26

2-5-9) بازارگردانی.. 26

2-6) دلایل مطرح شدن و پیشرفت بازاریابی.. 26

2-6-1) افزایش تولیدات.. 26

2-6-2) پراکندگی جغرافیایی صنایع و بازارهای مصرف.. 26

2-6-3) وجود رقابت.. 27

2-7) انواع بازاریابی.. 27

2-7-1) بازاریابی خود (شخصی ). 27

2-7-2) بازاریابی سازمان. 27

2-7-3) بازاریابی مکان. 28

2-7-4) بازاریابی ایده 28

2-7-5) بازاریابی خدمات.. 28

2-8) بازاریابی خدمات در مقابل بازاریابی کالاهای فیزیکی.. 29

2-9) تفاوت های اساسی بین کالا و خدمات.. 29

2-9-1) غیر قابل لمس بودن. 29

2-9-2) تفکیک ناپذیر بودن. 30

2-9-3) نامتجانس بودن. 30

2-9-4) فناپذیر بودن. 30

2-9-5) مشتریان مالکیت خدمات را به دست نمی آورند. 30

2-9-6) فرآورده های خدماتی به عنوان عملکردهای نامحسوس… 31

2-9-7) مشارکت بیشتر مشتری در فرآیند تولید. 31

2-9-8) اشخاص به عنوان بخشی از تولید. 31

2-9-9) تغییرپذیری بیشتر در داده ها و ستاده های عملیاتی.. 31

2-9-10) ارزشیابی اکثر خدمات برای مشتریان مشکل تر است.. 32

2-9-11) غیر قابل نگهداری بودن. 32

2-9-12) اهمیت بیشتر زمان. 32

2-9-13) کانال های متفاوت توزیع. 32

2-10) مفهوم خدمات.. 32

2-11) اقتصاد خدما ت.. 33

2-12) الگوی مدیریت منسجم خدمات.. 34

هشت جز مدیریت منسجم خدمات.. 35

2-12-1) اجزای محصول: 35

2-12-2) مکان و زمان: 36

2-12-3) فرایند: 36

2-12-4) بهروری و کیفیت: 36

2-12-5) نیروی انسانی: 36

2-12-6) ارتقا و آموزش مشتری: 37

2-12-7) شواهد فیزیکی: 37

2-12-8) قیمت و سایر هزینه های خدمات: 37

2-13) ریشه لغوی بیمه. 38

2-14) تعریف بیمه. 38

2-14-1) بیمه گر. 39

2-14-2) بیمه گذار. 39

2-14-3) موضوع بیمه. 39

2-15) تاریخچه بیمه. 39

2-15-1) تاریخچه پیدایش بیمه در جهان. 39

2-15-2) تاریخچه پیدایش بیمه در ایران. 41

2-16) انواع بیمه. 43

2-17) آیا بیمه نوعی خدمت است ؟. 44

2-17-1) گذرا و موقتی بودن خدمات.. 44

2-17-2) مردم. 44

2-17-4) یکبار مصرف بودن. 44

2-17-5) تأثیر گذاری مشتری.. 45

2-18) مشتری.. 45

2-19) چرخه زندگی مشتری.. 46

2-20) فرایند رویگردانی مشتری.. 46

2-21) منحنی طول عمر رابطه خریدار و فروشنده 47

2-22) عوامل مؤثر بر ضرورت روابط با مشتری.. 48

2-23) سطوح مختلف ایجاد رابطه با مشتری.. 49

2-24) مشتری مداری در مؤسسات بیمه. 50

بخش دوم: وفاداری.. 51

2-25) وفاداری.. 52

2-26) رویکردهای وفاداری.. 53

2-27) مراحل وفاداری.. 54

2-28) انواع وفاداری.. 55

2-28-1) دسته بندی وفاداری از نظر دیک و باسو. 55

2-28-2) دسته بندی وفاداری از نظر رولی.. 57

2-28-3) طبقه بندی مشتریان وفادار از نظر یورام جی ویند. 59

2-28-4) طبقه بندی مشتریان وفادار از نظر فالکمن.. 60

2-29) مزایای وفاداری مشتریان. 61

2-30 ) اهمیت وفاداری مشتری در فعالیت های بیمه. 63

بخش سوم: پیشینه تحقیق.. 64

فصل سوم. 71

3-2 روش تحقیق.. 72

3-3 جامعه آماری.. 72

3-4 نمونه و روش نمونه گیری.. 73

3-5 بر آورد حجم نمونه. 73

3-6 ابزار و روش جمع آوری اطلاعات.. 73

3-7 روایی (Validity ) و پایانی ( Reliability ). 76

3-7-1 روایی / اعتبار. 76

3-7-2 پایایی.. 76

3-8 روش تجزیه و تحلیل داده های تحقیق.. 77

فصل چهارم. 78

4-2 ) آمار توصیفی.. 79

4-2-1 ) جدول ونمودار برای متغیر جنس… 79

4-2-2 ) جدول فراوانی و نمودار برای متغیرگروه سنی.. 81

4-2-3جدول فراوانی و نمودار برای متغیر میزان تحصیلات.. 83

4-2-4) جدول فراوانی و نمودار برای متغیر میزان سابقه دریافت خدمت.. 85

4-2-6 )مقایسه عناصر آمیخته بازاریابی در گروههایی با سابقه دریافت خدمات مختلف… 88

4-2-6) مقایسه اجزای وفاداری مشتریان در گروههایی با سابقه دریافت خدمات مختلف… 93

4-3) آمار استنباطی.. 94

4-3-1) آزمون کولموگوروف – اسمیر نوف.. 94

فصل پنجم. 117

5-1) مقدمه. 118

5-2 ) نتیجه گیری تحقیق.. 118

5-2-1) نتایج آمار توصیفی.. 118

5-2-2) نتایج آمار استنباطی.. 119

5-3) پیشنهادات.. 127

5-4) پیشنهادات برای تحقیقات آتی.. 129

5-5) محدودیت های تحقیق.. 129

منابع : 131

چکیده

افزایش رقابت به خصوص در بخش خدمات، توجه بیشتر به حفظ و نگهداری مشتریان فعلی و تلاش برای جذب مشتریان جدید را سبب شده است. تشدید رقابت باعث شده است که حفظ مشتریان مشکل تر شود. در این میان، موضوع وفاداری مشتری و تشخیص عوامل تأثیرگذار بر آن از اهمیت دو چندانی برخورداراست. سازمان های امروزی درصدد شناسایی و مدیریت روشها و الگوهای مؤثر ایجاد وفاداری می باشند، تا با تأمین انتظارات مشتریان فراتر از ارضای نیاز اولیه آنها عمل کرده و به وفاداری از طریق ایجاد ارتباط بلند مدت، دوجانبه و سودآور دست یابند. در پژوهش حاضر سعی شده است تا عوامل مؤثر بر میزان وفاداری مشتریان بیمه ایران با استفاده از الگوی مدیریت منسجم خدمات سنجیده شود. این تحقیق از نظر هدف کاربردی و از منظر اجرای تحقیق توصیفی-پیمایشی محسوب می گردد، روش گردآوری اطلاعات میدانی است. جامعه آماری را مشتریان بیمه ایران در سطح استان گیلان تشکیل می دهند. برای جمع آوری اطلاعات از پرسشنامه ای که در غالب طیف پنج گزینه ای لیکرت طراحی شده است استفاده شده است. تعداد 500 پرسشنامه پخش شد از این تعداد 393 پرسشنامه برگشت داده شده و نرخ برگشت پرسشنامه 78% است. پس از جمع آوری اطلاعات، از روش های آمار توصیفی نظیر جداول فراوانی و نمودار برای بخش اطلاعات جمعیت شناختی و برای آزمون فرضیات تحقیق در بخش آمار استنباطی از آزمون کولموگروف اسمیرنوف و ضریب همبستگی پیرسن ورگرسیون گام به گاماستفاده کردیم.برای تجزیه تحلیل داده ها از ندم افزار spss 18 استفاده گردید. نتایج تحقیق اینگومه است که عناصر (محصول، قیمت و سایر هزینه ها، شواهد فیزیکی، زمان و مکان، فرایند، بهره وری و کیفیت، نیروی انسانی، ارتقا و آموزش مشتری ) الگوی مدیریت منسجم خدمات بر میزان وفاداری مشتریانشرکت بیمه ایرانتأثیرگذار است. عنصر نیروی انسانی دارای بیشترین تأثیر و عنصر قیمت و سایر هزینه ها و عنصر زمان و مکان کمترین تأثیر را دارا می باشند.

واژگان کلیدی : الگوی مدیریت منسجم خدمات، وفاداری، مشتری،وفاداری نگرشی، وفاداری رفتاری، بیمه

1-1)مقدمه

امروزه یک گرایش جهانی به بازاریابی وفاداری به وجود آمده است. شرکت های بسیاری در اغلب صنایع به مطالعه، ارزیابی و اجرای راهبردهای وفاداری و برنامه هایی با هدف پرورش روابط قوی با مشتریان می پردازند. دلایل چنین تأکیدی بر وفاداری مختلف است. قطعاً تکثیر و خرد شدن انواع رسانه ها دستیابی به مشتریان جدید و جذب آنها را مشکل تر ساخته است، این امر شرکت ها را بیش از پیش ترغیب می کند که برای حفظ مشتریان فعلی تلاش کنند. علاوه بر مشکلات مربوط به دستیابی به مشتریان از طریق رسانه ها، مشتریان امروزی بسیار پر مشغله اند، که در نتیجه زمان و اشتیاق کمتری را برای استفاده و تعبیر و تفسیر همه پیام هایی که دریافت می کنند، دارند.(دافی،1998) همچنین تحقیقات نشان داده است که سرمایه گذاری های نسبتاً زیادی به منظور جذب مشتریان جدید برای یک نام تجاری، در مقایسه با حفظ مشتریان فعلی نیاز است.این تحقیقات نشان داده است که جذب یک مشتری جدید 6 تا 8 برابر بیشتر از حفظ یک مشتری فعلی هزینه بر است.(خورشیدی و کاردگر، 1388)

در دوره حاضر، متعهد کردن مشتری جایگاه ویژه ای پیدا کرده و رشد دادن مشتری و ارتباط مؤثر با وی باعث می شود که مشتریان یک سازمان در داخل همکار و در خارج از سازمان حامی و طرفدار آن باشند. لذا فقط مشتریانی که احساس تعلق خاطر پیدا کرده و سودآوری وعمر طولانی دارند برای سازمان ها سرمایه به شمار می روند.(کفاش و همکاران، 1389)

نظریه رویه بازاریابی در بدو امر در رابطه با کالاهای فیزیکی مطرح شد. با این وجود یکی از روندهای اصلی و اساسی در این زمینه رشد پدیده خدمات بوده است. از آنجا که مشتریان، مهمترین رکن بقای واحدهای تولیدی و خدماتی مختلف اند، پاسخگویی به نیاز های مشتریان با توجه به علایق و خواسته های آنها موضوع قابل توجه در برنامه های بازاریابی سازمان هاست.(کاتلر، 1384)

وفاداری مشتری به سازمان مقوله ای است که از عوامل و شرایط متعدد و متنوعی در درون و بیرون سازمان تأثیر می پذیرد، که میزان اثرگذاری آنها با توجه به نوع سازمان، از سازمانی به سازمان دیگر متفاوت است. شناخت دقیق این عوامل و تعیین میزان اثرگذاری هریک ارآنها، در کمک به مدیران جهت تصمیم گیری درست، از اهمیت زیادی برخوردار است. از طرف دیگر منابع سازمانی محدودند و اگر مدیریت به دنبال طراحی برنامه هایی برای حفظ مشتریان خود است باید با توجه به عوامل تأثیرگذار بر وفاداری و اهمیت هر یک از این عوامل، این منابع محدود را تخصیص دهد.(خورشیدی و کاردگر، 1388)

رشد وتوسعه بیمهبه عنوان یکی از شاخص های توسعه یافتگی جوامع به شدت تحت تأثیر بیمه گذاران قرار دارد و حفظ و بقای شرکت های بیمه در گرو وفاداری بیمه گذاران آن شرکت هاست. کیفیت خدمات و وفاداری برای بیمه گر اساسی است.(مرادی و همکاران، 1390)

با توجه به اهمیت فوق العاده مشتری در صنایع خدماتی به خصوص بیمه و تعداد و ماهیت شرکت های ارائه دهنده خدمات به بیمه گذاران در بازار کشور، مقاله حاضر به شناسایی و اولویت بندی عوامل مؤثر بر وفاداری مشتریان شرکت بیمه ایران با استفاده از الگوی مدیریت منسجم خدمات می پردازد.

1-2)بیان مسئله

افزایش رقابت در بازار صنعت بیمه، اکثر مدیران این صنعت را به فکر چاره اندیشی برای حضور ماندگار در عرصه کسب و کار انداخته است. بنابراین آنها ناگزیرند، راه هایی را بیابند که کسب وفاداری مشتریان را در پی دارد. ازراه های دستیابی به این مهم، بهبود کیفیت خدمات بیمه ای است. بهبود کیفیت خدمات سازمان منجر به افزایش وفاداری مشتریان می گردد(عباسی و صالحی، 1390). حفظ مشتریان خوب سودمندتر است تا اینکه دائماً برای جایگزینی یک مشتری که شرکت را ترک کرده است تلاش شود.

واژه وفاداری مفاهیمی چون علاقه یا مهر،راستی و صداقت، یا تعهد رابه ذهن متبادر می سازد (خورشیدی و کاردگر ،1388). وفاداری حدی است که مشتری ها می خواهند به آن مقدار رابطه شان را با یک عرضه کننده حفظ کنند و معمولاً از این ناشی می شود که مشتری ها چقدر معتقدند که ارزش دریافتی شان از این عرضه کننده نسبت به سایرین بیشتر است. وفاداری زمانی اتفاق می افتد که مشتریان کاملاٌ احساس کنند سازمان موردنظر به بهترین وجه ممکن می تواند نیازهای آنها را برطرف کند، به طوری که سازمان های رقیب از مجموعه ملاحظات مشتریان مجازاٌ خارج شده و منحصراٌ به خرید از سازمان اقدام کنند(مرادی و همکاران،1390). افزایش وفاداری مشتری موجب کاهش هزینه های بازاریابی و افزایش تقاضای بیشتر مشتریان می گردد(Aaker & jacobsob,1994).

اندیشمندان مختلف ،تعاریف متعددی برای وفاداری ارائه کرده اند ، که این موضوع با توجه به مفهوم چند بعدی و پیچیده وفاداری قابل قبول است(Soderlund,2006). معروفترین تعریف قابل قبول برای وفاداری به تعریف یاکوبی و کینز[1] در سال 1973 برمی گردد که در آن وفاداری را به عنوان تعصب به مارک و پاسخ رفتاری در طی زمان تعریف می کنند که در آن فرد یک مارک خاص را نسبت به سایر مارک ها ترجیح داده و به صورت یک تعهد روانی در مورد آن تصمیم می گیرد(Mcmullan & ilmore,2008).

در اغلب تعاریف وفاداری 2 رویکرد دیده می شود:.رویکرد نگرشی: احساسات مختلف در شخص، تعلق خاطری نسبت به سازمان، خدمات و کالا ایجاد می کند، این احساس درجه وفاداری مشتری را مشخص می کند که کاملاٌ شناختی است. مقیاس های وفاداری نگرشی شامل تبلیغات مثبت دهان به دهان، تمایل به توصیه و تشویق دیگران به استفاده از کالا و خدمات است.

2.رویکرد رفتاری: تمایل مشتری برای خرید مکرر خدمات و تولیدات عرضه کننده خدمات و حفظ ارتباط با عرضه کننده کالا و خدمات است(قره چه و دابویان،1390).

از مهمترین ویژگی های شرکت های موفق جهانی، شناخت دقیق مشتریان، تعریف مناسب از بازارهدف، توانایی ترغیب کارکنان برای ارتقای کیفیت و اهمیت دادن به مشتریان است. تولید و ارایه خدماتی با کیفیت بالا و قیمت مناسب، نقش مهمی درصنایع خدماتی ایفا می کند. در واقع امروزه رضایت مشتری و کیفیت خدمات به عنوان مساﺋل حیاتی در اغلب صنایع خدماتی به شمار می روند (Stafford etal,1998). عرضه خدماتی با کیفیت و قیمت مناسب در سطح عالی به طور مستمر باعث ایجاد مزیت رقابتی برای چنین سازمان های می شود که از جمله این مزایا می توان از افزایش وفاداری مشتریان نام برد(palmer،2005). همچنین باید به این نکته توجه کرد که مشتری راضی، منبع مناسبی برای تبلیغات شرکت است؛ به بیان دیگر، صاحبنظران دانش بازاریابی، مزایای زیادی برای وفاداری شمرده که برخی از بارزترین آنها عبارتند از: کاهش هزینه های جذب مشتریان جدید، کاهش حساسیت مشتریان به تغییرات و قیمت ها، منافع حاصل از ارزش طول عمر مشتری، عملکرد مثبت از طریق افزایش قدرت پیش بینی و افزایش موانع برای ورود رقبای جدید. با توجه به افزایش قدرت انتخاب مشتریان به دلیل وجود تعداد زیاد شرکت های فعال در صنعت بیمه اعم از دولتی و خصوصی، شناسایی عوامل موثر بر وفاداری مشتریان توسط این شرکت ها امری ضروری،مهم و اجتناب ناپذیر است (کفاش و همکاران ،1389).