modularity maximization

یکی از الگوریتم هایی که برای تشخیص اجتماعات در شبکه های اجتماعی به کار برده می شود modularity maximization ماکزیمم کردن ماژولاریتی است.

سیستم های پیشنهاددهنده در شبکه های مبتنی بر اعتماد
context aware mobile computing

امروزه محاسبات موبایل به یک بحث مهم در مجامع علمی تبدیل شده است. توانایی ابزار هوشمند و کاربردهای ‎‎هوشمند برای شناسایی شرایط جاری یا زمینه ‎و تطبیق رفتار مبتنی بر اطلاعات زمینه را ، آگاهی از زمینه می گویند. کاربردهای ٱگاه از زمینه به خاطر پیدایش تکنولوژی مفید هستند که هر روز اشیا را به هم وصل می کند و فرصت هایی را برای جمع آوری و استفاده از اطلاعات زمینه از منابع مختلف را فراهم می کند.هدف سیستم های فراگیر این است که اطلاعات در هر مکان و در هر زمان در دسترس باشند و بنابراین یکی از چالش های این سیستم ها انطباق با زمینه است.
یک سناریوی   context aware mobile computing‎:
شرکتی برای تمام نمایندگان فروشش یک جلسه ملاقلت بزرگی را تطبیق داده است که در آن نتایج جدید ترین ارزیابی ها نمایش داده می شود و همکاران درباره استراتژی های بازاریابی بحث می کنند. همه سرپرستان یک صفحه نمایش بزرگ را برای محاوره با یک وایت برد مشترک در اتاق کنفرانس استفاده می کنند .یکی از نمایندگان فروش ،جیم ،باید اتاق را برای یک ملاقات ضروری با دندانپزشک ترک کند اما او در دسترس خواهد ماند تا با همکارانش درباره پیشنهادات بحث کند.او با پیام به همه مدیرانی که با او سر و کار دارند اطلاع می دهد که او اتاق را ترک کرده است.کنفرانس از صفحه نمایش در اتاق به وسیله مچی او انتقال می یابد.از آنجاییکه توانایی وسیله مچی محدود است کاربرد با توانایی کمتر اجرا می شود.زمانی که در صندلی دندانپزشک نشسته است جیم نمی خواهد که مزاحم شود و فقط نت ها و خلاصه ای از دقایق را روی وسیله دستی خود می بیند . هز زمان که یک وسیله با صفحه نمایش بزرگتر ویا قدرت پردازش بیشتر در همسایگی خود دید در صورتی که او اجازه استفاده از آن را داشته باشد، کاربرد از دوباره تطبیق پیدا می کند و تغییر مکان می دهد تا یک تجربه کاربری بهتری را فراهم کند. در این سناریو ‎actor‎ های مختلفی را در سطوح مختلفی از سازگاری دیدیم که می تواند در فرآیند تطبیق مقداردهی شود:

  • کاربر

جیم در حال حرکت است .بستر باید تضمین کند که کاربرد همراه او می رود.

  • ‎ متن

جریان های ویدیویی نمی تواند در صفحه نمایش کوچک وسیله دستی نمایش داده شود. محتوای پشتیبانی نشده باید فیلتر شود یا به شکل دیگر تغییر یابد

  • کاربرد

کاربرد به وسیله مچی انتقال پیدا می کند باید مولفه های استفاده نشده کاربرد غیر فعال شده یا از کاربرد حذف شوند

  • میان افزار

میان افزاری که نظارت کاربردهای منابع مشترک و اطلاع رسانی به کاربردها را زمانی که باتری کم است به عهده می گیرد.

  • شبکه

شبکه اطلاعات زمینه ای جدیدی را درباره منابع در محیط فراهم می کند و تغییر محل کاربرد به ‎host‎ را فرا هم می کند.

جهت دانلود ادامه مقاله بر روی لینک خرید زیر کلیک نمایید

۵۰۰۰ تومان – خرید

خوشه بندی طیفی

این مقاله در اولین همایش ملی نقش دانشگاه های نسل سوم در اقتصاد مقاومتی در دانشگاه علمی کاربردی زنجان ارائه شده است

چکیده:

شبکه های اجتماعی مجازی فرصت های جدیدی را برای کسب و کارهای الکترونیک فراهم کرده اند تا از محاورات اجتماعی در اینترنت در زمینه های مختلف کسب و کار اینترنتی بهره مند شوند. در این میان سیستم های توصیه گر با ارائه پیشنهادهای خرید با در نظر گرفتن تاریخچه خرید مشتریان و علایق آنها نقش به سزایی در بهبود کسب و کار اینترنتی ارائه می نمایند. در این مقاله قصد داریم مسئله تاثیر روابط اجتماعی در صحت پیشنهادهای ارائه شده توسط سیستم‌های توصیه گر کالا را بررسی کنیم. برای این منظور سعی کردیم از روش خوشه بندی طیفی۱ استفادهه کنیم به طوری که افرادی که بیشتر با هم در تعامل و ارتباط هستند در داخل یک خوشه قرار بگیرند. فرض ما بر این است که افراد درون یک خوشهه از آنجاییکه بیشتر با هم در ارتباط‌اند در نتیجه علاقه‌مندی‌هایشان در مورد کالاهای مختلف به هم شبیه است و این مسئله منجر به بهبود صحت سیستم پیشنهاددهنده خواهد شد. لذا پس از تشخیص خوشه‌ها (اجتماعات) الگوریتم فیلترینگ تعاونی ۲را بر روی اعضای خوشه بکار برده و نتایج را با زمانی که بخواهیم از خوشه‌ها استفاده نکنیم مقایسه کرده‌ایم. روش پیشنهادی بر روی مجموعه داده Epinion پیاده سازی شده است کهه نتایج حاصل از آزمونها بیانگر بهبود صحت سیستم توصیه گر است.

تعداد صفحات: ۵ صفحه

اندازه فایل: ۸۳۶ کیلوبایت

سورس کد الگوریتم خوشه بندی طیفی که در این مقاله از آن استفاده شده است از اینجا قابل دانلود می باشد.

جهت خرید این فایل  دکمه‌ی “پرداخت” را بزنید. بعد از پرداخت از درگاه زرین پال، لینک دانلود به آدرس ایمیل شما ارسال خواهد شد و همین طور می توانید مستقیما فایل را دانلود نمایید .

نکته : جهت دانلود راحت تر از Download Manager استفاده کنید تا در صورت قطع شدن ارتباط در طول دانلود بتوانید روند دانلود را مجدداً ادامه دهید. ضمناً لینک دانلود به مدت ۳ روز معتبر خواهد بود

۵۰۰۰ تومان – خرید
سیستم های توصیه گر در شبکه های اجتماعی

سیستم های توصیه گر در شبکه های اجتماعی

این مقاله در اولین همایش سیستم های هوشمند کامپیوتری دانشگاه پیام نور ارائه شده است.

چکیده مقاله سیستم های توصیه گر در شبکه های اجتماعی: جستجو برای خرید کالا در سایت‌های شبکه‌های اجتماعی اغلب برای کاربران کار وقت‌گیری می‌باشد. سیستم‌های تجارت الکترنیک سعی کرده‌اند به منظور کمک به مشتریان در تصمیم‌گیری، سیستم‌های پشتیبانی از تصمیم مبتنی بر وب شخصی شده از قبیل سیستم‌های توصیه گر را معرفی کنند. سیستم‌های پیشنهاد دهنده، پیشنهادهای شخصی شده را بر اساس تاریخچه خرید مشتریان و علایق آنها فراهم می‌کند و از این طریق آنها را در تصمیم‌گیری خرید پشتیبانی می‌کنند. تصمیمات خرید معمولا تحت تاثیر نظرات افرادی است که آنها را می‌شناسیم یا به آنها اعتماد داریم. در این مقاله ما قصد داریم برای کمک به تصمیم گیری خرید کاربران  با استفاده از الگوریتم تشخیص انجمن‌ها در شبکه‌های اجتماعی، کاربرانی که بیشتر با یکدیگر تعامل دارند را خوشه‌بندی نموده و از خوشه‌های ایجاد شده در بهبود عملکرد سیستم پیشنهاد‌دهنده استفاده کنیم و به این ترتیب نقش سیستم های توصیه گر در شبکه های اجتماعی را نشان دهیم

تعداد صفحات: ۶ صفحه

اندازه فایل: ۸۴۳kB

قیمت:۵۰۰۰ تومان

جهت خرید این فایل سیستم های توصیه گر در شبکه های اجتماعی دکمه‌ی “خرید” را بزنید. بعد از پرداخت از درگاه زرین پال، لینک دانلود به آدرس ایمیل شما ارسال خواهد شد و همین طور می توانید مستقیما فایل را دانلود نمایید .

نکته : جهت دانلود راحت تر  فایل سیستم های توصیه گر در شبکه های اجتماعی از Download Manager استفاده کنید تا در صورت قطع شدن ارتباط در طول دانلود بتوانید روند دانلود را مجدداً ادامه دهید. ضمناً لینک دانلود به مدت ۳ روز معتبر خواهد بود

۵۰۰۰ تومان – خرید