| عنوان مقاله به انگلیسی | E-Commerce Product Recommendation System based on ML Algorithms |
| عنوان مقاله به فارسی | ترجمه فارسی مقاله سیستم پیشنهاد محصول تجارت الکترونیک مبتنی بر الگوریتمهای یادگیری ماشین |
| نویسندگان | Md. Zahurul Haque |
| فرمت مقاله انگلیسی | |
| زبان مقاله تحویلی | ترجمه فارسی |
| فرمت مقاله ترجمه شده | به صورت فایل ورد |
| نحوه تحویل ترجمه | دو تا سه روز پس از ثبت سفارش (به صورت فایل دانلودی) |
| تعداد صفحات | 8 |
| دسته بندی موضوعات | Information Retrieval,Networking and Internet Architecture,بازیابی اطلاعات , شبکه سازی و معماری اینترنت , |
| توضیحات | Submitted 14 July, 2024; originally announced July 2024. |
| توضیحات به فارسی | ارسال شده در 14 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد. |
توضیحات گزینههای خرید
دانلود مقاله اصل انگلیسی
با انتخاب این گزینه، میتوانید فایل PDF مقاله اصلی را به زبان انگلیسی دانلود کنید.
قیمت: 19,000 تومان
دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحهای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.
قیمت: 99,000 تومان
سفارش ترجمه فارسی مقاله + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحهای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.
قیمت: 320,000 تومان
زمان تحویل: 2 تا 3 روز کاری
| فرمت ارائه ترجمه مقاله | تحویل به صورت فایل ورد |
| زمان تحویل ترجمه مقاله | بین 2 تا 3 روز پس از ثبت سفارش |
| کیفیت ترجمه | بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه میشود. |
| جداول و فرمول ها | کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج میشوند. |
چکیده
Algorithms are used in eCommerce product recommendation systems. These systems just recently began utilizing machine learning algorithms due to the development and growth of the artificial intelligence research community. This project aspires to transform how eCommerce platforms communicate with their users. We have created a model that can customize product recommendations and offers for each unique customer using cutting-edge machine learning techniques, we used PCA to reduce features and four machine learning algorithms like Gaussian Naive Bayes (GNB), Random Forest (RF), Logistic Regression (LR), Decision Tree (DT), the Random Forest algorithms achieve the highest accuracy of 99.6% with a 96.99 r square score, 1.92% MSE score, and 0.087 MAE score. The outcome is advantageous for both the client and the business. In this research, we will examine the model’s development and training in detail and show how well it performs using actual data. Learning from machines can change of eCommerce world.
چکیده به فارسی (ترجمه ماشینی)
از الگوریتم ها در سیستم های توصیه محصول تجارت الکترونیک استفاده می شود.این سیستم ها اخیراً به دلیل توسعه و رشد جامعه تحقیقات هوش مصنوعی ، استفاده از الگوریتم های یادگیری ماشین را آغاز کردند.این پروژه آرزو می کند که چگونه سیستم عامل های تجارت الکترونیک با کاربران خود ارتباط برقرار می کنند.ما مدلی ایجاد کرده ایم که می تواند توصیه های محصول و پیشنهادات مربوط به محصول را برای هر مشتری منحصر به فرد با استفاده از تکنیک های یادگیری ماشین برش شخصی سازی کند ، ما از PCA برای کاهش ویژگی ها و چهار الگوریتم یادگیری ماشین مانند Bayes Laive Gaussian (GNB) ، Random Forest (RF) ، لجستیک استفاده کردیم.رگرسیون (LR) ، درخت تصمیم گیری (DT) ، الگوریتم های جنگلی تصادفی به بالاترین دقت 99.6 ٪ با نمره مربع 96.99 R ، نمره MSE 1.92 ٪ و 0.087 MAE دست می یابند.نتیجه هم برای مشتری و هم برای تجارت سودمند است.در این تحقیق ، توسعه و آموزش مدل را با جزئیات بررسی خواهیم کرد و نشان می دهیم که با استفاده از داده های واقعی چقدر خوب عمل می کند.یادگیری از ماشین آلات می تواند دنیای تجارت الکترونیک را تغییر دهد.
| فرمت ارائه ترجمه مقاله | تحویل به صورت فایل ورد |
| زمان تحویل ترجمه مقاله | بین 2 تا 3 روز پس از ثبت سفارش |
| کیفیت ترجمه | بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه میشود. |
| جداول و فرمول ها | کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج میشوند. |




نقد و بررسیها
هنوز بررسیای ثبت نشده است.