چکیده مقاله (ترجمه شده توسط گوگل ترنسلیت)
نفوذ اجتماعی نقش مهمی در بازاریابی محصول دارد. با این حال ، بندرت در سیستمهای سنتی توصیهگر مورد توجه قرار گرفته است. در این مقاله پارادایم جدیدی از سیستمهای پیشنهادی ارائه شده است که می توانند از اطلاعات در شبکه های اجتماعی ، ترجیحات کاربر در داخل ، پذیرش عمومی مورد و تأثیرگذاری از دوستان اجتماعی استفاده کنند. یک مدل احتمالی برای ارائه توصیه‌های شخصی از چنین اطلاعاتی تهیه شده است. ما داده ها را از یک شبکه اجتماعی آنلاین واقعی استخراج می کنیم ، و تجزیه و تحلیل ما از این da-taset بزرگ نشان می دهد که دوستان تمایل به انتخاب موارد مشابه و رتبه های مشابه دارند. نتایج تجربی در این مجموعه داده نشان می دهد که سیستم پیشنهادی ما نه تنها دقت پیش بینی سیستم های پیشنهادی را بهبود می بخشد بلکه از نادر بودن داده ها و مسائل مربوط به شروع سرما که ذاتی در فیلتر مشارکتی است نیز استفاده می کند. علاوه بر این ، ما پیشنهاد می کنیم با استفاده از فیلتر معنایی شبکه های اجتماعی ، شکل گیری سیستم خود را بهبود بخشیده و از طریق آزمایش پروژه کلاسی ، پیشرفت آن را تأیید کنید. در این آزمایش ما نشان می دهیم که چگونه دوستان رجوع می توانند برای استنتاج بر اساس معانی روابط دوستانه و رتبه بندی کاربر ریز دقیق انتخاب شوند. چنین فناوری هایی توسط اکثر ارائه دهندگان محتوا قابل استفاده هستند.
برای دانلود این مقاله بر روی لینک زیر کلیک کنید.
دانلود مقاله