כריית נתונים - אשכול ביקורות

Study Notes

כריית נתונים - אשכול ביקורות

נושא: אשכול ביקורות
מגיש: סהר יעקב
מס' קבוצה: 10
תאריך הגשה: 28.2.2025
מטרת הסמינר: כריית נתונים
מטרת העבודה: ניתוח ביקורות משתמשים
קבצי הגשה: מצגת 1, מצגת 2, עבודה סמינריונית, קוד ונתונים
כלי: KMeans Clustering (אשכולות)
נתונים: ביקורות משתמשים בפורמט טקסטואלי, אלפי רשומות
מטרות עסקיות: שיפור חוויית הלקוח, זיהוי בעיות במוצרים, הצעות מותאמות אישית, שיפור תהליכי העסק
מודלים: KMeans, LDA (Latent Dirichlet Allocation), Decision Trees
פונקציית מרחק: מרחק אוקלידי
דרכי אסיפת נתונים: ממאגרי נתונים קיימים, כגון Kaggle
פורמט קבצי נתונים: CSV
הערכת איכות הנתונים: בדיקה וניפוי של ערכים חסרים בדירוגים ובטקסט.
הערכת המודל: חישוב אחוז שגיאה, מדדים כמו Silhouette Score ו-SSE (Sum of Squared Errors), Davies--Bouldin Index, Calinski-Harabasz Index.
כלי עזר: ספריות פייתון כמו scikit-learn, numpy
הצגת תוצאות: גרפים ויזואליים (כגון Elbow Method), קובץ CSV
הטמעת המודל: שילוב המודל במערכת ניהול הביקורות של הארגון, ממשק משתמש להצגת תוצאות.
דרישות הגשה: קובץ ZIP הכולל מצגות, עבודה סמינריונית, קבצי נתונים, וקוד.

תוכן עניינים

מבוא
התחום ממנו הגיעה הבעיה
תיאור הבעיה מבחינה עסקית
תיאור הבעיה במונחים עסקיים
תיאור המצב הקיים בעסק
המטרות העסקיות
בינה מלאכותית
תיאור הבעיה במונחים של כריית נתונים/בינה מלאכותית
הפלטים של המערכת
הנתונים
תיאור מפורט של דרכי אסיפת הנתונים
הערכת איכות הנתונים
מודלים
תיאור האלגוריתם שנבחר
סיבת הבחירה באלגוריתם זה
קביעת הפרמטרים של המודל
קביעת/תיאור פונקציית מרחק
מימוש האלגוריתם
הערכת המודל (Silhouette Score, SSE, Davies-Bouldin Index, Calinski-Harabasz Index)
תצוגה ויזואלית של ההערכה (גרף Elbow Method)
תיקונים במודל המוצע
כיצד ניתן להטמיע את המודל במערכת האמיתית של הארגון