2

fa تخمین قیمت نهایی در حراج‌های آنلاین مبتنی بر شبکه‌های عصبی Estimating the Final Price in Online Auctions Based on Neural Networks عمومى General كاربردي Applicable  در دهه گذشته اهمیت تجارت الکترونیک نسبت به قبل بدلیل تغییرات ایجاد شده در عادت‌های تجاری جامعه افزایش یافته است. رشد اقتصاد و تکنولوژی، منجر به تولید داده‌های حجیم و در عین حال ارزان شده که به راحتی قابل دسترس هستند. در این بین موازی با پیشرفت‌های تجارت الکترونیکی، اهمیت پیش‌بینی قیمت در حراج‌های آنلاین نیز افزایش یافته است. اگرچه پیش‌بینی قیمت نهایی درحراج‌های آنلاین مزایای بسیاری دارد، اما تاکنون روشی که بتواند در این خصوص عملکرد موفقی نشان دهد ارائه نشده است. روش‌های ارائه شده عمدتا مبتنی بر رگرسیون چندگانه هستند که نتایج امیدوار کننده‌ای ندارند. با توجه به اهمیت تخمین قیمت نهایی در حراج‌های آنلاین، در این تحقیق از شبکه‌های عصبی عمیق بازگشتی با واحد پنهان BiLSTM و شبکه پیشخور رگرسیون و درخت تصمیم و ترکیب روش‌های فوق استفاده شده است. در این روش برای کاهش جذر میانیگن مربع خطا در پیش‌بینی قیمت نهایی از ترکیب هر یک از روش‌های فوق و تکنیک انتخاب ویژگی مبتنی بر الگوریتم فراابتکاری کرم شب‌تاب استفاده شده است. نتایج تجربی در دو پایگاه داده حراج آنلاین ترکیبی eBay نشان می‌دهد که استفاده از شبکه‌های عصبی و ترکیب روش‌های یادگیری ماشین سنتی و شبکه‌های عمیق در پیش‌بینی قیمت نهایی عملکرد موفقی دارد.   In the last decade the importance of e-commerce has increased compared to before due to changes in the business habits of society.growth of the economy and technology has led to the production of large, yet cheap data that is easily accessible along with the development of e-commerce. Although predicting the final price in online auctions has many advantages, so far no model has been offered that can show successful performance in this regard. The proposed methods are mainly based on multiple regression which do not have promising results, in this study, deep recursive neural networks with hidden BiLSTM unit and regression feeder network and decision tree and combination of the above methods have been used. In this method, to reduce the mean square root of the error in predicting the final price, a combination of each of the above methods and a feature selection technique based on the firefly metaheuristic algorithm has been used. Experimental results in two eBay hybrid online auction databases show that the use of neural networks and a combination of traditional machine learning methods and deep networks is successful in predicting the final price. تخمین قیمت نهایی ,حراج آنلاین,شبکه‌های عصبی,نفرین برنده Estimating the Final Price,Online Auctions,Neural Networks,Winner’s curse 30 40 http://jiis.iauh.ac.ir/browse.php?a_code=A-10-32-1&slc_lang=fa&sid=1 hamidreza yunespour حمید رضا یونس پور hr.yunespour@gmail.com 100319475328460028 100319475328460028 Yes Mehdi barati مهدی براتی ac.barati@yahoo.com 100319475328460029 100319475328460029 No Maryam Bayati مریم بیاتی m.bayati@sepahan.ac.ir 100319475328460030 100319475328460030 No