گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” توصیه محصول تجارت موبایلی مبتنی بر چند کانال ترکیبی ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
توصیه محصول تجارت موبایلی بر مبنای چند کانال ترکیبی |
| عنوان انگلیسی مقاله: |
Mobile commerce product recommendations based on hybrid multiple channels |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2011 |
| تعداد صفحات مقاله انگلیسی | 11 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی فناوری اطلاعات و فناوری اطلاعات و ارتباطات |
| گرایش های مرتبط با این مقاله | تجارت الکترونیک و مخابرات سیار |
| مجله | تحقیق تجارت الکترونیک و کاربردهای آن – Electronic Commerce Research and Applications |
| دانشگاه | موسسه مدیریت اطلاعات، دانشگاه ملی Chiao Tung، تایوان |
| کلمات کلیدی | شرکت چند کاناله، تجارت موبایل، فیلترینگ همکاری، مشکل تنش، چندین کانال ترکیبی، رفتار مصرفی |
| شناسه شاپا یا ISSN | ISSN 2010.08.004 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه | الزویر – Elsevier |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 23 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده 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 |
- فهرست مطالب:
چکیده
1. مقدمه
2. پس زمینه و کارهای مرتبط
1.2. کانال های فروش چندگانه
2.2. خوشه بندی بازار
3.2. روش توصیه مبتنی بر قاعده وابستگی
4.2.روش توصیه مبتنی بر اقلام پرتکرار
5.2. فیلترینگ همکارانه
6.2. فیلترینگ همکارانه برای تجارت الکترونیک و تجارت موبایلی
3. روش شناسی
1.3. انتخاب کاربر و خوشه بندی کانال های موجود
2.3. موتور توصیه
4. ارزیابی آزمایشی
1.4. تنظیمات و مجموعه داده های آزمایش
2.4. معیارهای ارزیابی
3.4. نتایج آزمایشی
1.3.4. انتخاب کاربران فعال کانال های موجود
2.3.4. تعیین وزن کانال ها برای طرح توصیه ترکیبی
3.3.4. ارزیابی روش توصیه ترکیبی چندکانال
5. مباحثات
6. نتیجه گیری
- بخشی از ترجمه:
6. نتیجه گیری
شرکت های چند کاناله ممکن است هنگام توسعه کانال های موبایل جدید بخاطر نبود اطلاعات در مورد رفتار مصرف کاربران با دشواری هایی روبرو شوند. بیشتر شرکت ها از برنامه های تبلیغاتی و بازاریابی برای جمع آوری اطلاعات درباره رفتار مصرف کاربران در کانال جدید استفاده می کنند. با این حال کسب و کارها باید چنین اطلاعاتی را از سیستم های CRM کانال های موجود نیز بدست بیاورند. در مراحل اولیه توسعه یک کانال جدید، سفارش های خرید برای تعیین الگوهای رفتار مصرف کاربران کافی نیست. بنابراین یافتن کاربران شبیه به هم بخاطر مشکل پراکنش ذاتی در روش فیلترینگ همکارانه دشوار است.
در این مقاله یک روش چندکانالی ترکیبی برای مورد توجه قرار دادن نبود اطلاعات در مورد رفتار مصرف کاربران کانل های جدید و دشواری یافتن کاربران شبیه به هم پیشنهاد کردیم. فرض می شود که رفتار مصرف کاربران کانال های جدی با رفتار مصرف کاربران کانال های موجود ارتباط داشته باشد. آزمایش هایی برای مقایسه روش چندکانالی ترکیبی، روش های دو تک کانال و یک روش KNN مبتنی بر فیلترینگ همکارانه انجام دادیم. نتایج آزمایش نشان می دهد که روش پیشنهادی بهتر از روش های دیگر عمل می کند.روش پیشنهادی مسئله پراکنش را حذف می کند و با یافتن کاربران شبیه تر بر مبنای الگوهای رفتار مصرف کاربران کانال های موجود، کیفیت توصیه را بهتر می کند.
- بخشی از مقاله انگلیسی:
6. Conclusion
Multiple-channel companies may encounter a number of diffi- culties when they develop new mobile channels due to the lack of knowledge about users’ consumption behavior. Most companies use advertising and marketing campaigns to gather information about users’ consumption behavior on a new channel. However, businesses could also obtain such information from the CRM systems of existing channels. In the early stages of new channel’s development, there are insufficient purchase orders to determine users’ consumption behavior patterns. Thus, it is difficult to find similar users because of the sparsity problem inherent in the CF method.
In this paper, we have proposed a hybrid multiple channel method to address the lack of knowledge about the consumption behavior of new channel users and the difficulty of finding similar users. It is assumed that the consumption behavior of new channel users correlates with the consumption behavior of users in existing channels. We conducted experiments to compare the hybrid multiple channel method, two single channel methods, and a typical KNN-based CF method. The experiment results demonstrate that the proposed method outperforms the compared methods. The proposed method mitigates the sparsity problem and improves the recommendation quality by finding more similar users based on the consumption behavior patterns of users in existing channels.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
توصیه محصول تجارت موبایلی مبتنی بر چند کانال ترکیبی |
| عنوان انگلیسی مقاله: |
Mobile commerce product recommendations based on hybrid multiple channels |
|
|