Un enfoque ANFIS basado en algoritmos de optimización multiobjetivo para modelar las preferencias dinámicas de los clientes con no linealidad explícita
Autores: Jiang, Huimin; Sabetzadeh, Farzad
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un enfoque ANFIS basado en algoritmos de optimización multiobjetivo para modelar las preferencias dinámicas de los clientes con no linealidad explícita
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Preferencias de los clientes
Dinámico
Reseñas en línea
ANFIS
Entradas no lineales
Análisis de sentimientos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
En estudios anteriores, se asumía que las preferencias de los clientes eran estáticas al modelar sus preferencias basadas en las reseñas en línea. Sin embargo, de hecho, las preferencias de los clientes por los productos son dinámicas y cambian con el tiempo. Se ha llevado a cabo poca investigación para modelar las preferencias dinámicas de los clientes, ya que los datos de series temporales de preferencia de los clientes son difíciles de obtener. Con base en las reseñas en línea, se introdujo un sistema de inferencia difuso neuroadaptativo (ANFIS) para modelar las preferencias de los clientes, que puede tener en cuenta la naturaleza difusa de las emociones de los clientes y la no linealidad del modelo. Sin embargo, ANFIS tiene problemas de caja negra y la no linealidad del modelo no se puede demostrar directamente. Para abordar los problemas de investigación anteriores, se propone un enfoque ANFIS basado en un algoritmo de optimización de caos multiobjetivo (MOCOA) para generar modelos de preferencias de clientes utilizando reseñas en línea, que tienen entradas no lineales explícitas. En primer lugar, se utiliza un enfoque de análisis de sentimientos para extraer información de las reseñas en línea por períodos, que se utiliza como conjuntos de datos de series temporales del modelo propuesto. Un MOCOA se combina en ANFIS para identificar las entradas no lineales, que incluyen elementos individuales, elementos interactivos y términos de segundo orden y/o términos de orden superior. En consecuencia, las reglas difusas en ANFIS se expresan en forma polinómica, lo que permite la representación explícita de la no linealidad entre las preferencias de los clientes y los atributos del producto. Se utiliza un estudio de caso de robots aspiradores para comparar los resultados de validación del enfoque propuesto con los de ANFIS, ANFIS basado en agrupamiento sustractivo, ANFIS basado en c-means difuso y ANFIS basado en K-means. Además, el enfoque propuesto proporciona un mejor rendimiento que los otros cuatro enfoques en términos de error relativo medio y varianza del error.
Descripción
En estudios anteriores, se asumía que las preferencias de los clientes eran estáticas al modelar sus preferencias basadas en las reseñas en línea. Sin embargo, de hecho, las preferencias de los clientes por los productos son dinámicas y cambian con el tiempo. Se ha llevado a cabo poca investigación para modelar las preferencias dinámicas de los clientes, ya que los datos de series temporales de preferencia de los clientes son difíciles de obtener. Con base en las reseñas en línea, se introdujo un sistema de inferencia difuso neuroadaptativo (ANFIS) para modelar las preferencias de los clientes, que puede tener en cuenta la naturaleza difusa de las emociones de los clientes y la no linealidad del modelo. Sin embargo, ANFIS tiene problemas de caja negra y la no linealidad del modelo no se puede demostrar directamente. Para abordar los problemas de investigación anteriores, se propone un enfoque ANFIS basado en un algoritmo de optimización de caos multiobjetivo (MOCOA) para generar modelos de preferencias de clientes utilizando reseñas en línea, que tienen entradas no lineales explícitas. En primer lugar, se utiliza un enfoque de análisis de sentimientos para extraer información de las reseñas en línea por períodos, que se utiliza como conjuntos de datos de series temporales del modelo propuesto. Un MOCOA se combina en ANFIS para identificar las entradas no lineales, que incluyen elementos individuales, elementos interactivos y términos de segundo orden y/o términos de orden superior. En consecuencia, las reglas difusas en ANFIS se expresan en forma polinómica, lo que permite la representación explícita de la no linealidad entre las preferencias de los clientes y los atributos del producto. Se utiliza un estudio de caso de robots aspiradores para comparar los resultados de validación del enfoque propuesto con los de ANFIS, ANFIS basado en agrupamiento sustractivo, ANFIS basado en c-means difuso y ANFIS basado en K-means. Además, el enfoque propuesto proporciona un mejor rendimiento que los otros cuatro enfoques en términos de error relativo medio y varianza del error.