در سال های اخیر، تحقیقات بسیاری جهت پیدا کردن روابط معنایی بین موجودیت ها به منظور بالا بردن سطح تجاری ارگان ها و شرکت ها انجام شده است. یکی از این روابط، رابطه مکمل بین کالاهاست. این رابطه، کالاهایی را مشخص می کند که در جهت برآورده ساختن یک نیاز با یکدیگر مصرف می شوند. این رابطه کاربردهای فراوانی در زمینه تجارت الکترونیکی و بازاریابی دارد. در این رساله، اقدام جدیدی جهت کشف این روابط انجام گرفته است. بدین صورت که یک روش خودکار و نظارت نشده جهت استخراج روابط مکمل بین کالاهای موجود در یک کاتالوگ محصولات در قالب یک روش یادگیری آنتولوژی با استفاده از اسناد موجود در وب به عنوان مجموعه نوشته های یادگیری طراحی و پیاده سازی شده است. در عصر حاضر، با رشد سریع جامعه اطلاعاتی، وب تبدیل به مخزن اطلاعاتی با ارزشی در همه حوزه های دانشی ممکن جهت انجام وظایف کسب دانش و بازیابی اطلاعات شده است. روش یادگیری آنتولوژی ارائه شده از خصوصیات وب به عنوان مجموعه نوشته های یادگیری بهره برداری می کند و بدین منظور روش های جدیدی جهت کسب دانش از مجموعه نوشته های وب، مورد استفاده قرار گرفته اند. رویه ارزیابی خودکاری نیز جهت ارزیابی روابط استخراج شده با استفاده از مخزن اطلاعاتی wordnet، طراحی شده است که روابط استخراج شده با استفاده از روش یادگیری آنتولوژی پیشنهادی به وسیله این رویه، مورد ارزیابی قرار گرفته است. از آن جایی که کالاهای مکمل کاربردهای فراوانی در بازاریابی و تجارت الکترونیک دارند و جهت نشان دادن کاربرد روابط استخراج شده، در نهایت یکی از کاربردهای این کالاها در زمینه تبلیغات زمینه ای انتخاب شده است. تبلیغات زمینه ای، یکی از انواع تبلیغات اینترنتی است که به صورت خودکار بر اساس محتوای صفحات وبی که کاربر در حال مرور کردن آن است، تبلیغات مرتبط را در این صفحات قرار می دهد. با استفاده از روابط استخراج شده از مرحله قبل، الگوریتم جدیدی جهت تطابق تبلیغات و صفحات در تبلیغات زمینه ای طراحی و پیاده سازی شده و سپس کارایی روابط استخراج شده در این تبلیغات، مورد ارزیابی قرار گرفته است.

یکی از راه¬های مدیریت نارضایتی مشتری، شناسایی مشتریان ناراضی و تلاش برای نگهداری آن¬ها می¬باشد. این پایان-نامه از اطلاعات تاریخی مشتریان، برای پیش¬بینی احتمال نارضایتیشان استفاده می¬کند. در ابتدا ارزش دوره زندگی مشتریان در طول شش ماه محاسبه می¬شود، به طوری¬که اولین ارزش دوره زندگی، برای سه ماه اول و دومین ارزش دوره زندگی، برای سه ماه دوم باشد. سپس با استفاده از الگوریتم ارائه شده در این پایان¬نامه، مشتریان به چهار گروه تقسیم¬بندی می¬شوند. گروه اول مشتریان کاملا وفادار، گروه دوم مشتریان نسبتا وفادار، گروه سوم مشتریان نسبتا ناراضی و گروه چهارم مشتریان کاملا ناراضی می¬باشند. پس از تقسیم¬بندی مشتریان به گروه¬های متفاوت، سیاست¬هایی برای نگهداری آن¬ها اعمال می¬شود که این پایان¬نامه از فرآیندکاوی برای این منظور استفاده کرده است. الگوریتم α یکی از بهترین تکنیک¬های فرآیند¬کاوی می¬باشد که در این تحقیق از آن استفاده شده است. سیاست¬های زیادی برای نگهداری مشتری اعمال می¬شود، اما مشخص نیست که بهترین فرآیند برای نگهداری آن¬ها چه فرآیندی می¬باشد. برای این منظور، کل فعالیت¬های انجام شده برای نگهداری مشتری را در رویدادهای ثبت شده، وارد کرده و دوباره ارزش دوره زندگی آن¬ها را بدست می¬آورد. سپس فرآیند مربوط به مشتریانی که ارزش دوره زندگی آن¬ها بیشتر از 20% افزایش یافته است، را در نظر گرفته و فرآیند مربوط به آن¬ها را با استفاده از الگوریتم α کاوش می¬کند. در نهایت برای هر یک از گروه¬ها بهترین روش برای نگهداری آن¬ها مشخص می¬شود. یکی از روش¬های توسعه یافته در درخت تصمیم¬گیری، روش c5.0 می¬باشدکه برای پیش¬بینی احتمال نارضایتی مشتریان، برای ساخت مدل نارضایتی بکار می¬رود. با ورود هر مشتری جدید، مدل نارضایتی مربوط به آن¬ ساخته شده و روشی برای نگهداری آن اعمال می¬شود. مجموعه داده¬هایی که برای ساخت مدل نارضایتی و نگهداری مشتری اعمال شده است، داده¬های مربوط به 700 مشتری در طول یک¬سال از فروشگاه رفاه می¬باشد. نتایج مربوط به این تحقیق، حاکی از بهبود 76% درآمد مربوط به این فروشگاه می¬باشد.

چکیده ندارد.