دسترسی همگانی(OPAC) نام کتابخانه در اوپک

توسعه سیستم قیمت گذاری بهینه بر اساس حراج های ترکیبی در حراج آنلاین (1400) / حیدرپور دستگردی ، عباس، نویسنده
نوع مدرک:متون چاپی
سرشناسهحیدرپور دستگردی ، عباس، نویسنده
رده‌بندی کنگره :‭COM soft ‭40 1400
عنوان :توسعه سیستم قیمت گذاری بهینه بر اساس حراج های ترکیبی در حراج آنلاین
عنوان موازی :Development of Optimal Pricing System Based on Combined Auctions in Online Auctions
ناشر:دانشگاه شهید اشرفی اصفهانی: اصفهان
سال نشر :1400
صفحه شمار:ز،46ص
شابک/شاپا23995
یادداشتپایان نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش نرم افزار
شناسه افزوده :خیام باشی ، محمد رضا، استاد مشاور
توصیفگرهاحراج آنلاین  حراج های ترکیبی  قیمت نهایی در حراج آنلاین  تجارت الکترونیک  Online Auctions  Combination Auctions  Final Prices At Online Auctions  E-commerce
چکیده :پیشرفت‌های تکنولوژیکی کنونی عادات تجاری افراد را تغییر داده است و اهمیت تجارت الکترونیک در زندگی اشخاص در دهه گذشته به سرعت افزایش یافته است. این محیط جدید اقتصادی و تکنولوژیکی، داده‌های عظیم و ارزان که به راحتی قابل دسترسی و ارزشمند هستند را تولید می‌کند. یکی از موضوعات مهم در تجارت الکترونیکی پیش‌بینی قیمت است. تجارت الکترونیکی معمولا ً از طریق دو روش فروش، حراج و فروش آنی صورت می‌گیرد. اگرچه پیش‌بینی قیمت نهایی در حراج‌های آنلاین دارای سودمندی است، اما تاکنون روش‌های زیادی در این زمینه ارائه نشده است و اندک روش‌های مطرح در این زمینه از تکنیک‌های یادگیری ماشین مثل رگرسیون چندگانه برای پیش‌بینی و برآورد قیمت نهایی استفاده نموده‌اند. با توجه به اهمیت برآورد قیمت نهایی در حراج‌های آنلاین، این مطالعه بر عوامل تعیین‌کننده قیمت نهایی حراج آنلاین تمرکز دارد. در این زمینه از الگوریتم‌‌های یادگیری عمیق دارای ساختار بازگشتی با سه سلول مختلف LSTM‌، BiLSTM و GRU استفاده شده است. در این روش برای افزایش دقت پیش‌بینی قیمت نهایی در حراج‌های آنلاین از ترکیب شبکه‌های عصبی عمیق بازگشتی و روش انتخاب ویژگی تک متغیری مبتنی بر آزمون F-test استفاده شده است. تجزیه و تحلیل‌ها نتایج بر روی دو پایگاه داده حراج آنلاین ترکیبی eBay نشان می‌دهد که استفاده از یادگیری عمیق جهت پیش‌بینی قیمت نهایی در حراج‌های آنلاین می‌تواند موفق عمل نماید. نتایج در پایگاه داده اول و دوم نشان می‌دهد سه روش عمیق بازگشتی پیشنهادی در پیش‌بینی قیمت نهایی توانسته‌اند به خطای جذر میانگین مربعات بین 3 تا 6 دست یابند؛ که این نتایج حاکی از موفقیت آن‌ها در مقایسه با روش‌های یادگیری ماشین همچون رگرسیون چندگانه است
لینک ثابت رکورد:../opac/index.php?lvl=record_display&id=13193
زبان مدرک :فارسی
شماره ثبتشماره بازیابینام عام موادمحل نگهداریوضعیت ثبتوضعیت امانت
23995‭COM soft ‭40 1400 پایان‌نامهدانشگاه شهید اشرفی اصفهانیاسناد مرجعغیر قابل امانت

کاربران آنلاین :2