دانلود ترجمه مقاله بررسی مدل های محاسباتی (ACM 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

این مقاله انگلیسی در نشریه ACM در ۵ صفحه در سال ۲۰۱۷ منتشر شده و ترجمه آن ۱۲ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار مقاله	۲۰۱۷
تعداد صفحات مقاله انگلیسی	۵ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی کامپیوتر و فناوری اطلاعات
گرایش های مرتبط با این مقاله	اینترنت و شبکه های گسترده، شبکه های کامپیوتری و رایانش ابری
مجله مربوطه	کمیته کنفرانس بین المللی وب گسترده جهانی  International World Wide Web Conference Committee
دانشگاه تهیه کننده	گروه علوم کامپیوتر و فناوری، دانشگاه چینهوا، چین
کلمات کلیدی این مقاله	شبکه های اجتماعی، داده های کلان، تاثیر اجتماعی، رفتار کاربرد
لینک مقاله در سایت مرجع	لینک این مقاله در سایت ACM
نشریه ACM

• فهرست مطالب:

چکیده

۱٫ مقدمه

۲- ادبیات مربوطه

۱-۲ نظریه های اجتماعی

۲-۲ تحلیل رابطه اجتماعی

۳-۲ تحلیل تاثیر اجتماعی

۴-۲ فعالیت ها و مدل های کاربر

۳- خلاصه

•  بخشی از ترجمه:

۴-۲ فعالیت ها و مدل های کاربر
مدل سازی کاربر به توصیف فرایند ایجاد مدل کاربر برای توصیف مهارت های کاربر، دانش بیان شده و نیازهای خاص سیستم می پردازد (۲۳).
تعدادی از مدل ها برای مدل سازی رفتار کاربران در شبکه های اجتماعی کاربران مطرح شده اند. سارکر با همکاران (۵۸) مدل تعمیم یافته مطرح نمودند که هر آیتم را در فضای نهان اقلیدسی به هم ربط داده و از توابع هسته ای برای تشبه در فضای نهان جهت مدل سازی دوستی در گذر زمان استفاده می کند. تان با همکاران (۶۵) به مطالعه این مسئله پرداختند که چگونه رفتار (فعالیت های )کاربران در شبکه اجتماعی تحت تاثیر عوامل مختلف همانند منافع فردی، تاثیرگذاری اجتماعی و روندهای جهانی است. آنها مدل گراف عامل متغییر زمانی مقاوم در برابر نویز برای مدل سازی و پیش بینی فعالیت های اجتماعی مطرح نمودند که به طور همزمان ساختار شبکه اجتماعی، ویژگی های کاربر و سابقه فعالیت کاربر را برای پیش بینی بهتر فعالیت های اتی کاربران مدل سازی می کند. تان با همکاران (۶۴) به بررسی این مسئله پرداخته اند که چگونه احساسات کاربران را می توان در شبکه اجتماعی با شامل سازی اطلاعات شبکه اجتماعی استنباط نمود. اسکریپس با همکاران (۵۹) مدلی برای بررسی این مسئله فراهم نمودند که چگونه تصمیمات پیش پردازش مختلف و نیروهای مختلف شبکه همانند انتخاب و تاثیر مدل سازی شبکه های پویا را تحت الشعاع خود قرار می دهند. آنها همچنین تاثیرات توصیف و اهمیت ویژگی های فردی در شکل گیری روابط در گذر زمان نشان دادند.

• بخشی از مقاله انگلیسی:

۲٫۴ User Modeling and Actions User modeling describes the process of building up a user model to characterize user’s skills, declarative knowledge, and specific needs to a system [23]. A number of models have been proposed to model users’ behaviors in dynamic social networks. Sarkar et al. [58] develop a generalized model associating each entity in Euclidean latent space and use kernel functions for similarity in latent space to model friendship drifting over time. Tan et al. [65] study how users’ behaviors (actions) in a social network are influenced by various factors such as personal interests, social influence, and global trends. They propose a Noise Tolerant Time-varying Factor Graph Model (NTTFGM) for modeling and predicting social actions, which simultaneously models social network structure, user attributes and user action history for better prediction of the users’ future actions. Tan et al. [64] have investigated how users’ sentiment can be inferred in the social network by incorporating the social network information. Scripps et al. [59] present a model to investigate how different preprocessing decisions and different network forces such as selection and influence affect the modeling of dynamic networks. They also demonstrate the effects of attribute drifting and the importance of individual attributes in forming links over time.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد