مقایسه روش های شناسایی جوامع دارای علاقمندی مشترک در شبکه های اجتماعی
Publish place: The first national electronic conference on technological advances in electrical, electronics and computer engineering
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 921
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
TDCONF01_036
Index date: 10 July 2015
مقایسه روش های شناسایی جوامع دارای علاقمندی مشترک در شبکه های اجتماعی abstract
شبکه های اجتماعی اینترنتی بعنوان پایگاه بزرگ کاربر و فعالیت بالای کاربران، فرصت های زیادی برای شرکت ها فراهم می کند تا بشکل موثری به یک گروه بزرگ مخاطب (از مشتریان بالقوه) دست یابند. از طرف دیگر، این گروه مخاطب می تواند اطلاعات در خصوص محصولات/ خدمات تولید شده توسط این شرکت ها را نشر دهد.یک مساله مهم در کاربرد تبلیغات هدفمند و بازریابی ویروسی در شبکه های اجتماعی شناسایی کارای جوامع همفکر با علاقمندی های مشترک در شبکه های اجتماعی بزرگ است. چنین جوامعی در حالت ایده آل می بایست در برگیرنده کاربرانی از جمعیت شناختی درست باشند که همچنین بخوبی با یکدیگر در ارتباطند(متصلند). اهمیت شناسایی درست گروه جمعیت شناختی از این روست تا مطمئن باشیم که مخاطب و محصول بدرستی نظیر شده اندو ارتباط این گروه فرایند تبلیغات شفاهی را ساده می کند. علاوه بر کاربرد در تبلیغات و بازاریابی، چنین جوامعی همچنین برای مبارزه با تروریسم و اهداف مدلسازی اپیدمی(همه گیری) کاربرد دارند. در این مقاله برخی از رویکردهایی که به شناسایی جوامع با علاقمندی مشترک می توانند رهنمون شوند، ارائه می شود.
مقایسه روش های شناسایی جوامع دارای علاقمندی مشترک در شبکه های اجتماعی Keywords:
مقایسه روش های شناسایی جوامع دارای علاقمندی مشترک در شبکه های اجتماعی authors
فرزانه قزاقی
دانشجوی کارشناسی ارشدگروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، تهران، ایران
مهدی خلیلی
استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده فنی و مهندسی، دانشگاه پیام نور، تهران، ایران
اکبر فرهودی نژاد
استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده فنی و مهندسی، دانشگاه پیام نور، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :