fa سیستم پیشنهادگر هوشمند برای خرده‌فروشی اینترنتی با استفاده از نقشه خودسازمانده و قواعد انجمنی بر اساس الگوهای جمعیت‌شناختی مشتریان سایر موضوعاتی که به مرزهای دانش در مهندسی صنایع و تولید کمک می کند Other related Industrial and production reserach subjects in which has direct relation to the state-of-the art of the IE پژوهشي Research <p align="right"><span lang="FA" style="FONT-FAMILY: Nazanin FONT-SIZE: 11pt mso-ascii-font-family: 'Times New Roman' mso-hansi-font-family: 'Times New Roman' mso-fareast-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: FA" dir="rtl">امروزه به دلیل گستردگی رقابت در دنیای تجارت الکترونیکی، روشهای مؤثر در جذب مشتریان از اهمیّت ویژه­ای برخوردار شده­اند. یکی از این روشها، بکارگیری سیستمهای پیشنهادگر در وبگاه­های تجاری است تا بدین­ترتیب امکان استخراج علایق مشتریان و پیشنهاد مناسب­ترین محصولات به آنها میسّر گردد. در این مقاله، مدل جدیدی برای سیستمهای پیشنهادگر ارایه شده است که به کمک آن می­توان بخش­بندی بازار و مشتری را به شیوه کارآمدتری انجام داده و در نتیجه پیشنهادات بهتری به مشتری ارایه داد. بدین­منظور از روشهای داده­کاوی همچون خوشه­بندی و قواعد انجمنی استفاده شده است، به­طوریکه در فاز اول خوشه­بندی مشتریان بر اساس مشخصه­های جمعیّت­شناختی سن، جنسیّت، شغل و تحصیلات انجام شده است که در آن تعداد خوشه­ها با استفاده از الگوریتم نقشه خودسازمانده (</span><span style="FONT-FAMILY: "Times New Roman","serif" FONT-SIZE: 10pt mso-bidi-font-family: Nazanin mso-fareast-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: FA">SOM</span><span dir="rtl"></span><span dir="rtl"></span><span lang="FA" style="FONT-FAMILY: Nazanin FONT-SIZE: 11pt mso-ascii-font-family: 'Times New Roman' mso-hansi-font-family: 'Times New Roman' mso-fareast-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: FA" dir="rtl"><span dir="rtl"></span><span dir="rtl"></span>) مشخص شده و سپس خوشه­ها با الگوریتم </span><span style="FONT-FAMILY: "Times New Roman","serif" FONT-SIZE: 10pt mso-bidi-font-family: Nazanin mso-fareast-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: FA">K</span><span dir="rtl"></span><span dir="rtl"></span><span style="FONT-FAMILY: Nazanin FONT-SIZE: 10pt mso-ascii-font-family: 'Times New Roman' mso-hansi-font-family: 'Times New Roman' mso-fareast-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: FA" dir="rtl"><span dir="rtl"></span><span dir="rtl"></span> </span><span lang="FA" style="FONT-FAMILY: Nazanin FONT-SIZE: 11pt mso-ascii-font-family: 'Times New Roman' mso-hansi-font-family: 'Times New Roman' mso-fareast-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: FA" dir="rtl">میانگین (</span><span style="FONT-FAMILY: "Times New Roman","serif" FONT-SIZE: 10pt mso-bidi-font-family: Nazanin mso-fareast-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: FA">K-Means</span><span dir="rtl"></span><span dir="rtl"></span><span lang="FA" style="FONT-FAMILY: Nazanin FONT-SIZE: 11pt mso-ascii-font-family: 'Times New Roman' mso-hansi-font-family: 'Times New Roman' mso-fareast-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: FA" dir="rtl"><span dir="rtl"></span><span dir="rtl"></span>) ایجاد گردیده­اند. در فاز دوم با استفاده از قواعد انجمنی در هر خوشه، نقشه­ای معتبر انتخاب شده و بر اساس آن به مشتریان آن خوشه، پیشنهادات مناسب گوناگونی ارائه شده است. برای بررسی کارایی مدل پیشنهادی، از آن در تحلیل داده­های یک وبگاه تجاری ایرانی برای پیشنهاددهی به مشتریان استفاده گردیده است که نتایج مناسبی از خوشه­بندی و ارایه پیشنهادات حاصل شد.</span></p> <p> <i> The intensive competition in e-Commerce causes effective methods for customer attraction of special importance. In this regard, the recommender systems in commercial websites can precisely determine customers' interests and needs, and offer them most suitable products and services. In this paper, a new model for recommender systems is proposed which segments the market and customers more efficiently, and then provides customers with better offers in two phases customers are segmented based on demographic features such as age, gender, occupation and education in the first phase. The number of clusters are determined by means of the self-organizing map (SOM), and then clusters are created using K-means. In the second phase, association rules determine a valid map for each cluster which yields the most suitable offers to customers. To examine the efficiency of the proposed model in practice, it is used in an Iranian commercial website, and the results are analyzed </i><i>. </i><i /></p> سیستمهای پیشنهادگر، خوشه-بندی، نقشه خودسازمانده، قواعد انجمنی، خرده‌فروشی اینترنتی Recommender systems, Online retailing, Clustering, Self-organizing map, Association rules 1 13 http://ijiepm.iust.ac.ir/browse.php?a_code=A-10-478-2&slc_lang=fa&sid=1 Shahab Mosayebian 180031947532846003951 180031947532846003951 No Information Technology Department, Faculty of Engineering, Tarbiat Modares University, Tehran, Iran Abbas Keramati keramati@ut.ac.ir 180031947532846003952 180031947532846003952 Yes Industrial Engineering Department, Faculty of Engineering, University of Tehran, Tehran, Iran Vahid Khatibi 180031947532846003953 180031947532846003953 No Industrial Engineering Department, Faculty of Engineering, University of Tehran, Tehran, Iran