ورود
مقالات فارسیISIکنفرانسهاژورنالها

پیشبینی معاملات در تجارت الکتونیی با استفاده از شبکههای اجتماعی

محل انتشار: سومین کنفرانس ملی مهندسی برق و کامپیوتر سیستمهای توزیع شده و شبکه های هوشمند
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 294

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/622119

شناسه ملی سند علمی:

ELECONFK03_060

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

هدف این مقاله استفاده از مجموعه داده ای شبکه اجتماعی فیس بوک جهت پیش بینی معاملات تجاری در حوزه تجارت الکترونیک میباشد برای این منظور ابتدا یک مجموعه داده از کاربران شبکه اجتماعی فیس بوک جمع آوری شده و این مجموعه داده به دو مجموعه داده آموزش و مجموعه داده تست تقسیم میگردد در مرحله اول برای کاربران موجود در مجموعه داده آموزش یک پست تبلیغاتب فرستاده شده و بازخورد هرکار نسبت به این پسشت ضبط میشود سپس این بازخوردها و اطلاعات پروفایل کاربر ها یک ماشین یادگیری طراحی و آموزش داده میشود برای طراحی این ماشین یادگیری از برنامه نویسی ژنتیک استفاده میشود در مرحله دوم از داده های مجموعه داده تست برای آزمون ماشین یادگیری استفاده میگردد روش پیشنهادی در طبقه بندی کاربران موفق به Accuracy=74٪ شده است

کلیدواژه ها:

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 ...
  • Conference on Information Science and Engineering. 2009. ...
  • Brzozowska, _ 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 ...
  • Relationships in Social Media Environments : The Role of Parasocial ...
  • 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 _ 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 programming: on the programming of computers by ...
  • Poli, R., et al., A field guide to genetic programming ...
  • McAuley, J.J. and J. Leskovec. Learning to Discover Social Circles ...
  • J. Surma, A. Furmanek, Improving marketing response by data mining ...
    • نمایش کامل مراجع