ترجمه فارسی مقاله استفاده از یادگیری عمیق برای افزایش کیفیت خدمات الکترونیکی: کاربرد در وب سایت های املاک و مستغلات

چکیده

Electronic service quality (E-SQ) is a strategic metric for successful e-services.Among the service quality dimensions, tangibility is overlooked. However, by incorporating visuals or tangible tools, the intangible nature of e-services can be balanced. Thanks to advancements in Deep Learning for computer vision, tangible visual features can now be leveraged to enhance the browsing and searching experience of electronic services. Users usually have specific search criteria to meet, but most services will not offer flexible search filters. This research emphasizes the importance of integrating visual and descriptive features to improve the tangibility and efficiency of e-services. A prime example of an electronic service that can benefit from this is real-estate websites. Searching for real estate properties that match user preferences is usually demanding and lacks visual filters, such as the Damage Level to the property. The research introduces a novel visual descriptive feature, the Damage Level, which utilizes a deep learning network known as Mask-RCNN to estimate damage in real estate images. Additionally, a model is developed to incorporate the Damage Level as a tangible feature in electronic real estate services, with the aim of enhancing the tangible customer experience.

چکیده به فارسی (ترجمه ماشینی)

کیفیت خدمات الکترونیکی (E-SQ) یک متریک استراتژیک برای خدمات الکترونیکی موفق است. در ابعاد کیفیت خدمات ، ملموس بودن نادیده گرفته می شود.با این حال ، با ترکیب تصاویر یا ابزارهای ملموس ، ماهیت نامشهود خدمات الکترونیکی می تواند متعادل باشد.با تشکر از پیشرفت در یادگیری عمیق برای دید رایانه ، اکنون می توان از ویژگی های بصری ملموس برای تقویت تجربه مرور و جستجوی خدمات الکترونیکی استفاده کرد.کاربران معمولاً معیارهای جستجوی خاصی برای دیدار دارند ، اما بیشتر خدمات فیلترهای جستجوی انعطاف پذیر ارائه نمی دهند.این تحقیق بر اهمیت ادغام ویژگیهای بصری و توصیفی برای بهبود ملموس بودن و کارآیی خدمات الکترونیکی تأکید دارد.نمونه بارز خدمات الکترونیکی که می تواند از این امر بهره مند شود ، وب سایت های املاک و مستغلات است.جستجوی ویژگی های املاک و مستغلات که مطابق با ترجیحات کاربر مطابقت دارند ، معمولاً خواستار و فاقد فیلترهای بصری است ، مانند سطح خسارت به ملک.این تحقیق یک ویژگی توصیفی بصری جدید ، سطح آسیب را معرفی می کند ، که از یک شبکه یادگیری عمیق معروف به MASK-RCNN برای تخمین خسارت در تصاویر املاک استفاده می کند.علاوه بر این ، یک مدل برای ترکیب سطح خسارت به عنوان یک ویژگی ملموس در خدمات الکترونیکی املاک و مستغلات با هدف تقویت تجربه مشتری ملموس تهیه شده است.