یک روش یادگیر جهت پیشبینی معاملات در تجارت الکترونیک بر اساس دادههای شبکه های اجتماعی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 351

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CEPS04_140

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

شبکههای اجتماعی مکانی برای تشکیل جوامع و گروههای مجازی است. در این شبکهها اطلاعات متفاوتی از کاربرها نظیراطلاعات شخصی و پیوندهای وی وجود دارد. در حال حاضر، استفاده از الگوریتم یادگیری ماشین جهت دستهبندی واستخراج اطلاعات سطح بالا از دادههای این شبکهها به یک موضوع بسیار جذاب برای محققین تبدیل شده است. هدف این مقاله، استفاده از مجموعه دادهای شبکه اجتماعی فیسبوک جهت پیشبینی معاملات تجاری در حوزه تجارت الکترونیکمیباشد. در روش پیشنهادی، ابتدا، برای کاربران موجود در مجموعه داده آموزش یک پست تبلیغاتی فرستاده شده وبازخورد هر کاربر نسبت به این پست ضبط میشود. سپس، بر اساس این بازخوردها و اطلاعات پروفایل کاربرها، یک ماشین یادگیر طراحی و آموزش داده میشود. برای طراحی این ماشین یادگیر از برنامهنویسی ژنتیک استفاده میشود. در مرحله دوم، از دادههای مجموعه داده تست برای آزمون ماشین یادگیر استفاده میگردد

نویسندگان

شکوه شیخ ابولی پور

گروه مهندسی کامپیوتر، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران

محمدابراهیم شیری

دانشیار دانشگاه صنعتی امیرکبیر،دانشکده ریاضی و علوم کامپیوتر،تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Efraim Turban, H.M.C., Jae Kyu Lee _ Michael Chung, Electronic ...
  • Liu, L., C.M.K. Cheung, and M.K.O. Lee, An empirical investigation ...
  • Wang, Y., A. Chen, and X. Wang. A Survey Analysis ...
  • Brzozowska, A. and D. Bubel, E-business as a New Trend ...
  • Yang, Y. and G. Deng, Behavior Study on Consumer Driven ...
  • Fang, B., et al., A survey of social network and ...
  • Zhang, K.Z.K. and M. Benyoucef, Consumer behavior in social commerce: ...
  • Pentina, I., et al., Drivers and Outcomes of Brand Relationship ...
  • de Vries, L., S. Gensler, and P.S.H. Leeflang, Popularity of ...
  • Labrecque, L.I., Fostering Co _ umer-Brand Relationships in Social Media ...
  • Tsur, O. and A. Rappoport, What's in a hashtag?: content ...
  • Bonchi, F., et al., Social Network Analysis and Mining for ...
  • Saito, K., et al., Learning Diffusion Probability Based oy Node ...
  • Wu, S., et al., Who says what to whom on ...
  • Bakshy, E., et al., Everyone's an influencer: quantifying influence on ...
  • Cha, M., et al., Measuring User Influence in Twitter: The ...
  • Koza, J.R., Genetic programm ing: oy the programming of computers ...
  • Poli, R., et al., A field guide to genetic programm ...
  • McAuley, J.J. and J. Leskovec. Learning to Discover Social Circles ...
  • J. Surma, A. Furmanek, Improving marketing response by data mining ...
  • نمایش کامل مراجع