پیش بینی معاملات در تجارت الکترونیک با استفاده از شبکه های اجتماعی

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 412

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICRSIE02_121

تاریخ نمایه سازی: 11 مرداد 1396

Abstract:

هدف این مقاله، استفاده از مجموعه دادهای شبکه اجتماعی فیسبوک جهت پیش بینی معاملات تجاری در حوزه تجار الکترونیک می باشد. برای این منظور، ابتدا یک مجموعه داده از کاربران شبکه اجتماعی فیسبوک جمع آوری شده و این مجموعه داده به دو مجموعه داده آموزش و مجموعه داده تست تقسیم می گردد. در مرحله اول، برای کاربران موجود در مجموعه داده آموزش یک پست تبلیغاتی فرستاده شده و بازخورد هر کاربر نسبت به این پست ضبط می شود. سپس، براساس این بازخوردها و اطلاعات پروفایل کاربرها، یک ماشین یادگیر طراحی و آموزش داده می شود. برای طراحی این ماشین یادگیر از برنامه نویسی ژنتیک استفاده می شود. در مرحله دوم، از داده های مجموعه داده تست برای آزمون ماشین یادگیر استفاده می گردد. کارایی روش پیشنهادی از نظر معیارهای سود، Precision ، Accuracy ، Recall و F-Measure ارزیابی شده است. نتایج آزمایش ها نشان داد روش پیشنهادی در انتخاب کاربران هدف جهت ارسال پیغام های تبلیغاتی، کارایی برتری نسبت به روش انتخاب تصادفی دارد. روش پیشنهادی در طبقه بندی کاربران موفق به Accuracy=74% و نسبت سود به درامد 73% شده است.

Authors

شکوه شیخ ابولی پور

گروه مهندسی کامپیوتر، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران

محمد ابراهیم شیری

دانشیار دانشگاه صنعتی امیرکبیر،دانشکده ریاضی و علوم کامپیوتر، 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 :
  • Efraim Turban, H.M.C., Jae Kyu Lee _ Michael Chung, Electronic ...
  • Fang, B., et al., A survey of social network and ...
  • Pentina, I., _ al., Drivers and Outcomes of Brand Relationship ...
  • de Vries, L., S. Gensler, and P.S.H. Leeflang, Popularity of ...
  • Labrecque, L.I., Fostering Consum erBrand Relationships in Social Media Environm ...
  • Tsur, O. and A. Rappoport, What's in a hashtag?: content ...
  • Bonchi, F., et al., Social Network Analysis and Mining for ...
  • Saito, K., et al., Learning Diffusion Probability Based on Node ...
  • Wu, S., et al., Who says what to whom on ...
  • Bakshy, E., et al., Everyone's an influencer: quantifying influence on ...
  • Cha, M., et al., Measuring User Influence in Twitter: The ...
  • Rodriguez, M.G., J. Leskovec, and A. Krause, Inferring networks of ...
  • Zhang, Z., J.J. Salerno, and P.S. Yu, Applying data mining ...
  • Anagno stopoulos, A., G. Brova, and E. Terzi, Peer and ...
  • Poli, R., et al., A field guide to genetic progran ...
  • McAuley, J.J. and J. Leskovec. Learning to Discover Social Circles ...
  • Electronic Commerce ...
  • Credit Card 3. Cyberspace ...
  • نمایش کامل مراجع