Abstrait

DÉTECTION DE GROUPES À L'AIDE DE L'APPROCHE DE CONJONCTION GA-KNN

Cet article fournit des informations sur la solution d'exploration de données pour l'extraction des informations des clients à partir de la base de données d'adhésion des clients de mCRM. La base de l'approche consiste à utiliser un algorithme K plus proche voisin pour apprendre à classer les échantillons dans différents groupes d'intérêt. Par conséquent, une nouvelle approche utilisant l'algorithme génétique est suivie dans cet article pour surmonter certaines des lacunes de l'algorithme K plus proche voisin, en permettant au système d'apprendre à déformer l'espace des caractéristiques à n dimensions afin de maximiser le regroupement des individus au sein d'une classe, et en même temps maximiser la séparation entre les classes. La sortie de l'algorithme génétique agit comme entrée de l'algorithme K plus proche voisin. Et enfin, les clusters globaux sont formés et la personnalisation pour un client particulier est effectuée en voyant dans quel cluster un client particulier tombe. Le principal résultat de cet article indique que la conjonction GA-KNN peut être un élément efficace pour mCRM. En exploitant les données de la base de données des clients, les magasins peuvent offrir à leurs clients des services intéressants via le support mobile (SMS/MMS) et peuvent fidéliser leurs clients de différentes manières et entretenir avec eux des relations fructueuses basées sur la confiance.