فایل ورد کامل تبلیغات هدفمند در شبکه های اجتماعی با استفاده از سیستم های توصیه گر

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تبلیغات هدفمند در شبکه های اجتماعی با استفاده از سیستم های توصیه گر،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۷ صفحه

در زمان ظهور وب اجتماعی (وب ۲.۰ ( , 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.

کلمات کلیدی: شبکه های اجتماعی | تبلیغات دهانی | سیستم های توصیه گر | استخراج رسانه ای.

عنوان انگلیسی:

Targeted Advertisement in Social Networks using Recommender Systems

~~en~~ writers :

Ahmad.A Kardan, Maryam Hooman

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.

Keywords: social networks | advertisement | word of mouth | recommender systems | multimedia mining

$$en!!