دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
کاربرد سیستم های توصیه گر در تبلیغات هدفمند در شبکه های اجتماعی |
عنوان انگلیسی مقاله: |
Targeted Advertisement in Social Networks using Recommender Systems |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | 2013 |
تعداد صفحات مقاله انگلیسی | 13 صفحه با فرمت pdf |
نوع مقاله | ISI |
نوع ارائه مقاله | کنفرانس |
رشته های مرتبط با این مقاله | مهندسی کامپیوتر و فناوری اطلاعات |
گرایش های مرتبط با این مقاله | اینترنت و شبکه های گسترده، مهندسی نرم افزار |
چاپ شده در کنفرانس | هفتمین کنفرانس بین المللی تجارت الکترونیکی در کشورهای در حال توسعه: با محوریت امنیت الکترونیکی |
کلمات کلیدی | شبکه های اجتماعی، تبلیغات، دهانی، سیستم های توصیه گر، |
کلمات کلیدی انگلیسی | social networks – advertisement – word of mouth – recommender systems – multimedia mining |
ارائه شده از دانشگاه | گروه مهندسی کامپیوتر ، دانشگاه علم و صنعت امیرکبیر تهران ، ایران |
نویسندگان | Ahmad.A Kardan، Maryam Hooman |
شناسه دیجیتال – doi | https://doi.org/10.1109/ECDC.2013.6556728 |
بیس | نیست ☓ |
مدل مفهومی | ندارد ☓ |
پرسشنامه | ندارد ☓ |
متغیر | ندارد ☓ |
رفرنس | دارای رفرنس در داخل متن و انتهای مقاله ✓ |
کد محصول | 9793 |
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 | طلایی⭐️ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | 17 صفحه (شامل 1 صفحه رفرنس انگلیسی) 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 | درج نشده است ☓ |
منابع انتهای متن | به صورت انگلیسی درج شده است ✓ |
فهرست مطالب |
چکیده |
بخشی از ترجمه |
چکیده در زمان ظهور وب اجتماعی (وب 2.0 ( , جایگاهی نوین در تکنولوژی , با نام شبکه های اجتماعی به وجود آمد. شبکه های اجتماعی (SN ) ازدیاد پیداکرده و رشد سریع آن ها موجب شد تا محققان دست به دامن روش هایی شوند که به منظور بررسی دسته ای از داده های موجود در شبکه های اجتماعی به کار می رفتند. بررسی شبکه ی اجتماعی با در نظر گرفتن گراف SN , روشی برای کمک به استخراج داده ها است. این داده ها می توانند در تبلیغات هدفمند (Ad ) که به منظور تحت تاثیر قرار دادن کاربران به کار می رود , مورد استفاده قرار گیرند. در زمینه ی تبلیغات الکترونیک , ارائه ی تبلیغات و فروش با استفاده از ابر متن ها یا ابر رسانه ها , نسبت به نزدیکترین خرده فروشی ها یا فروشگاه های اینترنتی انجام می پذیرد. بنابراین , تبلیغات هدفمند , می تواند به عنوان یک راه حل موثر در زمینه ی بازاریابی در سطح وب مطرح گردد. محققان بر روی متغیر ها و ویژگی های مختلفی تمرکز کرده اند که می توانند برای کاربران هدف به شیوه ای مناسب مطرح گردند. در زمان اشاره به آن ها , ویژگی های جدیدی به آن ها اضافه میگردد. در این مقاله , چارچوبی ارائه شده است که تسهیل تبلیغات هدفمند در جایگاه شبکه های اجتماعی , با استفاده از اطلاعات شبکه های اجتماعی , تبلیغات پیشین و موقعیت آن ها به منظور داشتن اطلاعات دقیق تر , برای سیستم های توصیه گر مورد استفاده قرار می گیرد. سیستم های توصیه گر به عنوان یک ابزار , به منظور بر آورده کردن هدف هر کاربر مطابق با تنظیمات و منافع وی مورد استفاده قرار می گیرند. هدف اساسی به نمایش گذاشتن بیشترین تبلیغات تاثیر گذار در sidebar و جذب کاربران برای به اشتراک گذاری تبلیغات دهانی ( WOM ) با یکدیگر است. هدف ما تشخیص نوع کاربران , از طریق بررسی فعالیت آنان در یک شبکه ی اجتماعی و حذف موارد تبلیغاتی تکراری است.
نتیجه گیری در این مقاله ، ما چارچوبی را ارائه کردیم که هدف آن ایجاد تاثیرات بهتر در بازاریابی هدفمند محصولات با توجه به ویژگی های مختلف محصولات بود. در این روش ، پس از مشخص ساختن نوع کاربر که در این مقاله به آن اشاره شد ، و استفاده از الگوریتم های کشف زیرگروه های منسجم در شبکه ی اجتماعی ، مطابق با تحقیقات قبلی ، و همچنین طبقه بندی محصولات ، ما تبلیغات تکراری به مشتریان را با ورود به تبلیغات و بینندگان آن ، حذف کرده ایم. الگوریتم های ارائه شده در این راستا می توانند به عنوان یک تکمیل کننده به منظور کشف زیر گروه های منسجم به کاربرده شوند . مطرح ساختن جامعه پذیری کاربر در شبکه های اجتماعی ، فاکتور مهم دیگری است که در این چارچوب تحت پوشش قرار گرفته است. |
بخشی از مقاله انگلیسی |
Abstract Within the emergence of social web (web 2.0), new platform in technology named social networks, brought in to being. Social networks (SN) become more crowded and their rapidly growth caused scientists to search for methods analyzing the data which is implicated in social networks. Social network analysis with special attention to SN’s graph is a method that helps data extraction. These data could be used in targeted advertisements (Ad) which could impress users more. In the field of e-advertisements, presenting ads and sales are combined together using hypertexts or hypermedia to the nearest retailer or e-shops. So, targeted advertisement could be mentioned as an effective solution in the field of marketing on the web. Scientists have been focused on various variables and features that could be considered to target users in an appropriate way. While mentioning them, some new features are added. In this article, a framework has been proposed which facilitate targeted advertisements in social networks’ platform; using social networks information, previous advertisements and their status to have more precise information for recommender systems. Recommender system is used as a tool to target each user according to its preferences and interests. The main goal is to show the most effective advertisements in sidebar and attract users to share word of mouth (WOM) advertisements with each other. Considering user’s type through their activity in a social network and omitting repetitive advertisements ease our aim.
V- CONCLUSION In this paper, we have proposed a framework which aim is making better influence in targeted advertising of products considering different features. In this approach after defining the user types which has been mentioned in this article and using the algorithms of discovering cohesive subgroups in a social network according to previous researches, and also categorizing products we have omitted presenting repetitive advertisements to users by using logging each advertisement and all its viewers. Proposed algorithms could be used as a complementary to discovering cohesive subgroups. Considering user’s sociability in social networks is another important factor which is covered in this framework. |
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
کاربرد سیستم های توصیه گر در تبلیغات هدفمند در شبکه های اجتماعی |
عنوان انگلیسی مقاله: |
Targeted Advertisement in Social Networks using Recommender Systems |
|