چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008098 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
737 Kb
حجم فایل فارسی :
1 مگا بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
یک سیستم توصیه گر، بر مبنای تحلیل داده های موجود در شبکه های اجتماعیِ آنلاین
عنوان انگليسي
Recommender System Based on OSN Data Analytics
نویسنده/ناشر/نام مجله
Information and Communication Technology for Intelligent Systems
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 11 صفحه انگلیسی به صورت پی دی اف و 10 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
سرعت جا باز کردن و ایفای نقش فناوری در زندگی روز مره ی ما انسان ها به طرز شگرفی در حال افزایش است و البته مهم نیست که ما از این فناوری برای برقراری ارتباط با هم دیگر استفاده می کنیم و یا از آن برای کسب اطلاعات از چیزی که در دنیای پیرامون ما میگذرد بهره می بریم. امروزه، افرادی که در زندگی روز مره شان تصمیم هایی شامل خرید یک محصول، رزرو یک هتل و یا هر کار دیگری را در سر می پرورانند، اولین چیزی که در نظر خواهند گرفت، فناوری خواهد بود. این افراد در قبل از انجام این کار ها مایلند تا نظرات سایر افرادی که به آنها نزدیک بوده و یا نظر و عقیده ی همسانی با آنها دارند را بدانند. این افراد هیچ تمایلی به روبرو شدن با داده های بی ربط و غیر ضروری نیز ندارند. در این راستا در این مقاله قصد داریم یک سیستم توصیه گرِ مبتنی بر شبکه های اجتماعی آنلاین را ارائه دهیم. تلاش کرده ایم تا بهترین راهکار ها را برای ارائه ی بهترین و جذاب ترین توصیه ها برای کاربران و آنهم بر مبنای توئیت ها/کامنت های کاربران سایت های اجتماعی آنلاین در اختیارشان قرار دهیم.
1-مقدمه
با توجه به روند رو به رشد موج فناوری در طی سال های اخیر، داده هایی که در شبکه های وب ایجاد می شوند آنقدر وسیع بوده که می توان آنها را برای اهداف مختلفی مورد استفاده قرار داد. عموماً رسانه های اجتماعی آنلاین از نظر ماهیت با همتای دیجیتال خود یعنی وب سایت ها متفاوت میباشند. با توجه به اینکه کاربران رسانه های اجتماعی انقلابی را در عرصه ی اشتراک گذاری رسانه ها و داده ها ایجاد کرده اند، همین کاربران می توانند با تبعیت از استاندارد های رسانه های اجتماعی با برند های مختلف محبوبشان تعامل داشته باشند....
سیستم های توصیه گر توئیت ها شبکه ی اجتماعی
:کلمات کلیدی
Abstract
The pace at which the technology is playing a role in our lives is tremendous whether it is about keeping connected to each other or knowing what is going around the world. Nowadays, people consider technology very important when it comes to taking decisions of their lives be it about buying a product, booking a hotel, etc., or doing anything else. Before any of these tasks, people love to read the reviews of other people who are either closer to them or have similar tastes to them. People also do not like to get bumped up with unnecessary and irrelevant data. In our work, we have proposed a recommender system based on online social networks. We have tried our best to find out the ways to provide attractive and relevant recommendations to users based on the tweets/comments of the users on the online social networking sites.
Keywords:
Recommender systems Tweets Social networking
سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه سیستم توصیه گر