دانلود رایگان ترجمه مقاله رتبه بندی وب سایت تجارت الکترونیک با وب کاوی معنایی و محاسبات عصبی – الزویر 2015

 

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

رتبه بندی وب سایت تجارت الکترونیکی با استفاده از کاوش وب معنایی و محاسبات عصبی

عنوان انگلیسی مقاله:

E-commerce Website Ranking Using Semantic Web Mining and Neural Computing

 
 
 
 
 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار 2015
تعداد صفحات مقاله انگلیسی 10 صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی فناوری اطلاعات 
گرایش های مرتبط با این مقاله اینترنت و شبکه های گسترده و تجارت الکترونیک
چاپ شده در مجله (ژورنال) کنفرانس بین المللی فناوری محاسبات پیشرفته و کاربردهای آن
کلمات کلیدی رتبه بندی وب سایت تجارت الکترونیکی، شبکه های عصبی و تجارت الکترونیکی، وب معنایی و تجارت الکترونیکی، الگوریتم رتبه بندی صفحه SNEC، ابزار اولویت بندی وب سایت
ارائه شده از دانشگاه دانشکده علوم کامپیوتر و مهندسی، دانشگاه فنی پنجاب، هند
رفرنس دارد 
کد محصول F977
نشریه الزویر – Elsevier

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  14 صفحه با فونت 14 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 
منابع داخل متن به صورت عدد درج شده است  
کیفیت ترجمه کیفیت ترجمه این مقاله متوسط میباشد 
توضیحات بعضی بخش ها ناقص ترجمه شده است.

 

فهرست مطالب
چکیده
1. مقدمه
2. کارهای مرتبط
3. مسئله ی تحقیق
4. اهداف پژوهش
5. روش تحقیق
5.1  الگوریتم رتبه بندی صفحه SNEC 
5.2 ابزار تعیین اولویت وب سایت
5.3 تجزیه و تحلیل گرافیکی نتایج
6. نتیجه گیری و کار آینده
 

 

بخشی از ترجمه

چکیده
با شتاب گرفتن عصر اینترنت، صنعت تجارت الکترونیکی به سرعت رشد کرده است و یک وب سایت خوب تجارت الکترونیک برای هر سازمان مبتنی بر تجارت ضروری به نظر می رسد. با این حال صنعت تجارت الکترونیکی در کشورهای در حال توسعه مانند هند هنوز هم برای برآوردن نیازهای چالش برانگیز و پویای مصرف کنندگان، عقب مانده است. شرکت ها استراتژی های جدیدی را برای حفظ و یا بازسازی روابط با مشتریان قدیمی خود توسعه می دهند و مصرانه بر مشتریان جدید متمرکز می شوند. با در نظر داشتن ایده ی ترکیب کاوش وب هوشمند با تجارت الکترونیکی، این کار تحقیقاتی طراحی یک الگوریتم رتبه بندی صفحه مبتنی بر معنایی و عصبی تجارت الکترونیکی، با نام الگوریتم رتبه بندی صفحه SNEC را مورد بحث قرار می دهد و پیاده سازی آن در قالب ابزار رتبه بندی وب سایت که ممکن است به خوبی برای رتبه بندی وب سایت های تجارت الکترونیکی برای کمک به مشتریان با پیدا کردن وب سایت های مرتبط در بالا در طول جستجوی شان برای خرید یک محصول خاص استفاده شود و همچنین برای کسب و کارها برای مقایسه نقاط قوت و ضعف شان با رقبا استفاده شود و بنابراین سود خود را با ارائه محصول مرتبط با قیمت رقابتی با سرویس های متناسب با مشتریان توسط ساختار بهتر وب سایت های تجارت الکترونیکی خود، بهبود بخشند.

 

بخشی از مقاله انگلیسی

Abstract

With the acceleration of Internet era, E-commerce industry has grown rapidly and a good E-Commerce website has become indispensable for every commerce based organization. However E-Commerce industry in developing countries like India is still lagging behind to satisfy the challenging and dynamic needs of consumers. Enterprises are deploying new strategies to retain or rebuild relations with their old customers and persistently focusing on new customers. Keeping in mind the thought of blending intelligent web mining with E-Commerce, this research work discusses the design of a Semantic and Neural based E Commerce page ranking algorithm, named SNEC page ranking algorithm and its implementation in the form of website ranking tool that may be well utilized for ranking of E- Commerce websites to assist the customers by finding relevant web sites on the top during their search for buying a specific product as well as businesses to compare their strengths and weaknesses with competitors and hence to improve their profits by providing relevant product at competitive price with consumer friendly services to the customers by better structuring their E Commerce websites.

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا