دانلود مقاله ترجمه شده مدلینگ پخش اطلاعات از طریق شبکه های اجتماعی به منظور پیش بینی زمانی پویا (IEEE 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

ieee2

 

 

این مقاله انگلیسی ISI در نشریه IEEE در ۴ صفحه در سال ۲۰۱۷ منتشر شده و ترجمه آن ۱۴ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

مدلینگ پخش اطلاعات از طریق شبکه های اجتماعی به منظور پیش بینی زمانی پویا

عنوان انگلیسی مقاله:

Modeling Information Diffusion over Social Networks for Temporal Dynamic Prediction

 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۷
تعداد صفحات مقاله انگلیسی ۴ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی فناوری اطلاعات
گرایش های مرتبط با این مقاله شبکه های کامپیوتری و اینترنت و شبکه های گسترده
چاپ شده در مجله (ژورنال) یافته ها در زمینه دانش و مهندسی داده – Transactions on Knowledge and Data Engineering
کلمات کلیدی انتشار اطلاعات، عوامل هوشمند، مدل، پیش بینی
کلمات کلیدی انگلیسی Information diffusion – intelligent agents – model – prediction
ارائه شده از دانشگاه موسسه فناوری هاربین، چین
نمایه (index) Scopus – Master journals – JCR
نویسندگان Dong Li، Zhiming Xu، Yishu Luo، Sheng Li، Anika Gupta Katia Sycara، Shengmei Luo، Lei Hu، Hong Chen
شناسه شاپا یا ISSN ISSN ۱۰۴۱-۴۳۴۷
شناسه دیجیتال – doi https://doi.org/10.1109/TKDE.2017.2702162
ایمپکت فاکتور(IF) مجله ۵٫۸۷۶ در سال ۲۰۱۸
شاخص H_index مجله ۱۴۸ در سال ۲۰۱۹
شاخص SJR مجله ۱٫۱۴۰ در سال ۲۰۱۸
شاخص Q یا Quartile (چارک) Q1 در سال ۲۰۱۸
بیس است  
مدل مفهومی دارد 
پرسشنامه ندارد 
متغیر ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۰۰۵۶
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود در فایل ورد و PDF
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۴ صفحه (شامل ۲ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه شده است  
ترجمه متون داخل جداول ترجمه شده است  
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن به صورت عدد درج شده است  
منابع انتهای متن به صورت فارسی درج شده است

 

فهرست مطالب

چکیده
۱- مقدمه
۲- تدوین مساله
۳- مدل پیشنهادی
۴- الگوریتم ها
۴-۱- الگوریتم های یادگیری
۵- آزمایشات
۵-۱- شرایط آزمایشی
۵-۲- عملکرد پیش بینی
۶- نتیجه گیری
منابع

 

بخشی از ترجمه

چکیده

نحوه مدلسازی فرآیند انتشار اطلاعات در شبکه های اجتماعی، کار تحقیقاتی حیاتی شمرده می شود. اگر چه تلاش های متعددی برای این مطالعه صورت پذیرفته است اما تعداد کمی از آن ها قادر به شبیه سازی و پیش بینی پویایی زمانی فرآیند انتشار هستند. برای رفع این مشکل، ما مدل انتشار اطلاعات جدیدی (مدل GT) را پیشنهاد نمودیم که کاربران شبکه را عوامل هوشمندی تلقی می نماید. این عوامل به اتفاق همه همسایه های تعاملگر خود را لحاظ نموده و بازده گزینه های مختلف خود را برای تصمیمات استراتژیک محاسبه می کنند. ما فاکتور زمانی را وارد بازده کاربر نموده که در نتیجه آن، مدل GT نه تنها قادر به پیش بینی رفتار یک کاربر خواهد بود بلکه زمان بروز رفتار مزبور را نیز پیش بینی می نماید. هم اثرگذاری کلی و هم اثرگذاری اجتماعی در محاسبه بازده وابسته به زمان مورد کنکاش قرار گرفتند که در آن روش جدید بازنمایی اثرگذاری اجتماعی برای شناخت کامل خواص زمانی پویا اثرگذاری اجتماعی بین کاربران طراحی گشته است. نتایج تجربی مربوط به سینا ویبو و فلیکر، اثربخشی روش های ما را تایید نمودند.

 

۶- نتیجه گیری

ما در مقاله حاضر به ارائه مدل انتشار اطلاعات جدیدی پرداختیم. این مدل، کاربران شبکه اجتماعی را عوامل هوشمندی تلقی نموده و متفقاً همه کاربران تعامل کننده را در پیش بینی استراتژیک لحاظ می نماید. با معرفی بازده وابسته به زمان، مدل از قابلیت پیش بینی پویایی زمانی فرآیند انتشار اطلاعات برخوردار می باشد. هم اثرگذاری کلی و هم اثرگذاری اجتماعی برای محاسبه بازده کاربران بررسی می گردند که در آن روش بازنمایی اثرگذاری اجتماعی به تازگی برای درک کامل پویایی زمانی آن طراحی شده است. نتایج تجربی منطقی بودن و اثربخشی مدل پیشنهادی را تایید می نمایند.

 

بخشی از مقاله انگلیسی

Abstract

Modeling the process of information diffusion is a challenging problem. Although numerous attempts have been made in order to solve this problem, very few studies are actually able to simulate and predict temporal dynamics of the diffusion process. In this paper, we propose a novel information diffusion model, namely GT model, which treats the nodes of a network as intelligent and rational agents and then calculates their corresponding payoffs, given different choices to make strategic decisions. By introducing time-related payoffs based on the diffusion data, the proposed GT model can be used to predict whether or not the user’s behaviors will occur in a specific time interval. The user’s payoff can be divided into two parts: social payoff from the user’s social contacts and preference payoff from the user’s idiosyncratic preference. We here exploit the global influence of the user and the social influence between any two users to accurately calculate the social payoff. In addition, we develop a new method of presenting social influence that can fully capture the temporal dynamics of social influence. Experimental results from two different datasets, Sina Weibo and Flickr demonstrate the rationality and effectiveness of the proposed prediction method with different evaluation metrics.

 

۶- CONCLUSION

We have presented a novel information diffusion model in this paper. It regards the users in a social network as intelligent agents, and jointly considers all the interacting users to make strategic prediction. By introducing the timedependent payoffs, the model has the capability to predict the temporal dynamics of information diffusion process. Both the global influence and social influence are explored for user payoff calculation, where the social influence representation method is newly designed for fully capturing its temporal dynamics. Experimental results have confirmed the rationality and effectiveness of the proposed model.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

مدلینگ پخش اطلاعات از طریق شبکه های اجتماعی به منظور پیش بینی زمانی پویا

عنوان انگلیسی مقاله:

Modeling Information Diffusion over Social Networks for Temporal Dynamic Prediction

 

 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.