خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : مدل پیش بینی بیماری دیابت نوع 2 بر اساس داده کاوی
.
English Article Title: Type 2 diabetes mellitus prediction model based on data mining
Year: 2018
Publisher: ELSEVIER
Journal: Informatics in Medicine Unlocked
DOI: https://doi.org/10.1016/j.imu.2017.12.006
Keywords:
#Hybrid_prediction_model
#Data_mining
#Diabetes_mellitus
#Type_2_diabetes
#diabetes
#diabetes2
#مدل_پیش_بینی_ترکیبی
#داده_کاوی
#بیماری_قند_خون
#دیابت
#دیابت2
#دیابت_نوع_2
#علوم_پزشکی_و_بهداشت (#health)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#حرفه_های_بهداشتی (#health_professions)
#مقاله_پزشکی (#Medical)
#مقاله_پرستاری (#Nursing)
#مقاله_کامپیوتر (#Computer_Science)
چکیده
به دلیل رخداد افزایشی بیماری دیابت، خانواده های بیشتری توسط بیماری دیابت تاثیر می پذیرند. اکثر بیماران دیابتی درباره وضعیت سلامتی خود یا فاکتورهای خطرناکی که قبل از تشخیص با آن ها مواجه می شوند، اطلاعات کمی دارند. در این مطالعه، ما یک مدل جدید را براساس تکنیک های داده کاوی برای پیش بینی کردن بیماری دیابت نوع2 (T2DM) پیشنهاد داده ایم. مشکلات اصلی که سعی در حل آن ها داریم عبارتند از بهبود دادن دقت مدل پیش بینی و مدل را برای بیش از یک مجموعه داده، تطابق دهیم. براساس یک مجموعه از رویه های پردازشی، مدل از دو بخش تشکیل می شود، الگوریتم K-means بهبودیافته و الگوریتم رگرسیون لجستیک. مجموعه داده دیابت Pima Indians و محیط Waikato به عنوان جعبه ابزار تحلیل دانش به منظور مقایسه نتایج تحقیق ما با نتایج تحقیقات دیگر استفاده شدند. نتیجه گیری نشان می دهد که مدل 3.04% دقت پیش بینی بالاتر نسبت به تحقیقات دیگر به دست آورد. به علاوه، مدل ما تضمین می کند که کیفیت مجموعه داده به اندازه کافی است. برای ارزیابی بیشتر کارایی مدل ما، ما آن را بر روی دو مجموعه داده دیابت دیگر اعمال کردیم. نتایج هر دو آزمایش، کارایی خوب را نشان می دهند. در نتیجه، مدل نشان می دهد که برای مدیریت واقعی سلامت در بیماری دیابت مفید است.
کلمات کلیدی: مدل پیش بینی ترکیبی، داده کاوی ، بیماری قند خون
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2qZzZIF
.
عنوان فارسی مقاله : مدل پیش بینی بیماری دیابت نوع 2 بر اساس داده کاوی
.
English Article Title: Type 2 diabetes mellitus prediction model based on data mining
Year: 2018
Publisher: ELSEVIER
Journal: Informatics in Medicine Unlocked
DOI: https://doi.org/10.1016/j.imu.2017.12.006
Keywords:
#Hybrid_prediction_model
#Data_mining
#Diabetes_mellitus
#Type_2_diabetes
#diabetes
#diabetes2
#مدل_پیش_بینی_ترکیبی
#داده_کاوی
#بیماری_قند_خون
#دیابت
#دیابت2
#دیابت_نوع_2
#علوم_پزشکی_و_بهداشت (#health)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#حرفه_های_بهداشتی (#health_professions)
#مقاله_پزشکی (#Medical)
#مقاله_پرستاری (#Nursing)
#مقاله_کامپیوتر (#Computer_Science)
چکیده
به دلیل رخداد افزایشی بیماری دیابت، خانواده های بیشتری توسط بیماری دیابت تاثیر می پذیرند. اکثر بیماران دیابتی درباره وضعیت سلامتی خود یا فاکتورهای خطرناکی که قبل از تشخیص با آن ها مواجه می شوند، اطلاعات کمی دارند. در این مطالعه، ما یک مدل جدید را براساس تکنیک های داده کاوی برای پیش بینی کردن بیماری دیابت نوع2 (T2DM) پیشنهاد داده ایم. مشکلات اصلی که سعی در حل آن ها داریم عبارتند از بهبود دادن دقت مدل پیش بینی و مدل را برای بیش از یک مجموعه داده، تطابق دهیم. براساس یک مجموعه از رویه های پردازشی، مدل از دو بخش تشکیل می شود، الگوریتم K-means بهبودیافته و الگوریتم رگرسیون لجستیک. مجموعه داده دیابت Pima Indians و محیط Waikato به عنوان جعبه ابزار تحلیل دانش به منظور مقایسه نتایج تحقیق ما با نتایج تحقیقات دیگر استفاده شدند. نتیجه گیری نشان می دهد که مدل 3.04% دقت پیش بینی بالاتر نسبت به تحقیقات دیگر به دست آورد. به علاوه، مدل ما تضمین می کند که کیفیت مجموعه داده به اندازه کافی است. برای ارزیابی بیشتر کارایی مدل ما، ما آن را بر روی دو مجموعه داده دیابت دیگر اعمال کردیم. نتایج هر دو آزمایش، کارایی خوب را نشان می دهند. در نتیجه، مدل نشان می دهد که برای مدیریت واقعی سلامت در بیماری دیابت مفید است.
کلمات کلیدی: مدل پیش بینی ترکیبی، داده کاوی ، بیماری قند خون
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2qZzZIF
خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : داده و دانش کاوی با داده های بزرگ برای تولید هوشمند
.
English Article Title: Data and knowledge mining with big data towards smart production
Year: 2018
Publisher: ELSEVIER
Journal: Journal of Industrial Information Integration
DOI: http://dx.doi.org/10.1016/j.jii.2017.08.001
Keywords:
#Big_data
#Data_mining_techniques (#DMTs)
#Production_management
#Smart_manufacturing
#Statistical_analysis
#Knowledge_discovery
#داده‌های_بزرگ
#تکنیک‌های_داده_کاوی
#مدیریت_تولید
#تولید_هوشمند
#آنالیز_آماری
#کشف_دانش
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_انرژی (#Energy)
#مقاله_مهندسی (#Engineering)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#علوم_تصمیم_گیری (#Decision_Sciences)
چکیده مقاله:
مطابق با پیشرفت نوآورانه فناوری اطلاعات و ارتباطات (ICT) و کاربرد آنها در صنعت تولید، دوران بزرگ داده های تولیدی مطابق با انها است و تکنیک های داده کاوی (DMTs)، راه را برای دستیابی به اهداف تولید هوشمند با کنترل زمان واقعی، پویا، خود سازگار و دقیق فراهم می سازد. با این حال، بسیاری از عوامل در محیط همیشه در حال تغییر در صنعت تولید هستند، از جمله، فرآیندهای تولید پیچیده، مقیاس بزرگ و عدم اطمینان، محدودیت پیچیده تر، ترکیب عملکردی عملیات، و غیره، که تولید مدیریت را با چالش های بزرگی همراه می سازد. ورودی پویا تعداد زیادی از داده های خام که از مکان های تولید فیزیکی جمع آوری شده یا تولید شده است؛ در سیستم های مختلف مربوط به اطلاعات، موجب شد تا مشکلات سنگین اطلاعات بیش از حد فراهم شود. در واقع، بسیاری از DMT های سنتی هنوز به اندازه کافی برای پردازش داده های بزرگ در تولید مدیریت هوشمند نیستند. بنابراین، در این مقاله، توسعه DMT ها در دوران بزرگی از داده ها را مورد بررسی قرار می دهیم و از سال 2010 با انتخاب و تجزیه و تحلیل مقالات مربوطه در مورد کاربرد DMT ها در مدیریت تولید بحث می کنیم. در عین حال، در این مقاله ما محدودیت ها را مطرح می کنیم و برخی از پیشنهادات را در مورد هوشمند بودن و کاربرد بیشتر DMT ها که در مدیریت تولید به کار می رود را ارائه می دهیم.
کلمات کلیدی: داده های بزرگ | تکنیک های داده کاوی (DMTs) | مدیریت تولید | تولید هوشمند | تجزیه و تحلیل آماری | کشف دانش
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2tewXRM
.
عنوان فارسی مقاله : داده و دانش کاوی با داده های بزرگ برای تولید هوشمند
.
English Article Title: Data and knowledge mining with big data towards smart production
Year: 2018
Publisher: ELSEVIER
Journal: Journal of Industrial Information Integration
DOI: http://dx.doi.org/10.1016/j.jii.2017.08.001
Keywords:
#Big_data
#Data_mining_techniques (#DMTs)
#Production_management
#Smart_manufacturing
#Statistical_analysis
#Knowledge_discovery
#داده‌های_بزرگ
#تکنیک‌های_داده_کاوی
#مدیریت_تولید
#تولید_هوشمند
#آنالیز_آماری
#کشف_دانش
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_انرژی (#Energy)
#مقاله_مهندسی (#Engineering)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#علوم_تصمیم_گیری (#Decision_Sciences)
چکیده مقاله:
مطابق با پیشرفت نوآورانه فناوری اطلاعات و ارتباطات (ICT) و کاربرد آنها در صنعت تولید، دوران بزرگ داده های تولیدی مطابق با انها است و تکنیک های داده کاوی (DMTs)، راه را برای دستیابی به اهداف تولید هوشمند با کنترل زمان واقعی، پویا، خود سازگار و دقیق فراهم می سازد. با این حال، بسیاری از عوامل در محیط همیشه در حال تغییر در صنعت تولید هستند، از جمله، فرآیندهای تولید پیچیده، مقیاس بزرگ و عدم اطمینان، محدودیت پیچیده تر، ترکیب عملکردی عملیات، و غیره، که تولید مدیریت را با چالش های بزرگی همراه می سازد. ورودی پویا تعداد زیادی از داده های خام که از مکان های تولید فیزیکی جمع آوری شده یا تولید شده است؛ در سیستم های مختلف مربوط به اطلاعات، موجب شد تا مشکلات سنگین اطلاعات بیش از حد فراهم شود. در واقع، بسیاری از DMT های سنتی هنوز به اندازه کافی برای پردازش داده های بزرگ در تولید مدیریت هوشمند نیستند. بنابراین، در این مقاله، توسعه DMT ها در دوران بزرگی از داده ها را مورد بررسی قرار می دهیم و از سال 2010 با انتخاب و تجزیه و تحلیل مقالات مربوطه در مورد کاربرد DMT ها در مدیریت تولید بحث می کنیم. در عین حال، در این مقاله ما محدودیت ها را مطرح می کنیم و برخی از پیشنهادات را در مورد هوشمند بودن و کاربرد بیشتر DMT ها که در مدیریت تولید به کار می رود را ارائه می دهیم.
کلمات کلیدی: داده های بزرگ | تکنیک های داده کاوی (DMTs) | مدیریت تولید | تولید هوشمند | تجزیه و تحلیل آماری | کشف دانش
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2tewXRM
خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : سیستم تشخیص نفوذ توزیع شده برای محیط های ابری بر اساس تکنیک های داده کاوی
.
English Article Title: Distributed Intrusion Detection System for Cloud Environments based on Data Mining techniques
Year: 2018
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2018.01.095
Keywords:
#Intrusion_Detection_Systems
#Data_Mining_techniques
#Cloud_Computing
#Machine_Leaning
#Hadoop
#MapReduce
#سیستم_تشخیص_نفوذ
#داده_کاوی
#نفوذ
#محاسبات_ابری
#یادگیری_ماشین
#هادوپ
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
چکیده مقاله:
تقریبا دو دهه بعد از ظهور آنها؛ محاسبات ابری همچنان در میان سازمان ها و کاربران فردی در حال افزایش است. بسیاری از مسائل امنیتی همراه انتقال برای این الگوی محاسباتی شامل تشخیص نفوذ به وجود می اید. ابزارهای حمله و نفوذ با شکستن سیستم های تشخیص نفوذ سنتی (IDS) با مقدار زیادی از اطلاعات ترافیک شبکه و رفتارهای پویا پیچیده تر شده است. IDSs ابری موجود از کمبود دقت تشخیص؛ نرخ مثبت کاذب بالا و زمان اجرای بالا رنج می برد. در این مقاله ما یک یادگیری توزیع ماشینی بر مبنی سیستم تشخیص نفوذ برای محیط های ابری را ارائه می دهیم. سیستم پیشنهاد شده برای مندرجات در سمت ابری به وسیله اندازه همراه اجزای شبکه لبه از ابرهای ارائه شده است. اینها به ترافیک رهگیری شبکه های ورودی به لبه شبکه routers از از لایه فیزیکی اجازه می دهد. یک الگوریتم پنجره کشویی (sliding window) مبتنی بر زمان برای پیش پردازش شبکه گرفتار ترافیک در هر router ابری استفاده می شود و سپس در نمونه تشخیص ناهنجاری دسته بندی Naive Bayes استفاده می شود. یک مجموعه از گره های سرور کالا بر مبنی یک Hadoop و MapReduce برای هر نمونه تشخیص ناهنجاری از زمانی که تراکم شبکه افزایش می یابد؛ در دسترس است. برای هر پنجره زمانی؛ داده ترافیک ناهنجاری شبکه در هر طرف router برای یک سرور ذخیره سازی مرکزی هماهنگ شده است. بعد؛ یک طبقه بندی یادگیری گروهی بر مبنی یک Forest تصادفی برای اجرای یک مرحله دسته بندی چند کلاسه نهایی به منظور تشخیص انواعی از هر حمله استفاده می شود.
لغات کلیدی: سیستم های تشخیص نفوذ | محاسبات ابری | یادگیری ماشین | هادوپ | MapReduce
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/36nA3kR
.
عنوان فارسی مقاله : سیستم تشخیص نفوذ توزیع شده برای محیط های ابری بر اساس تکنیک های داده کاوی
.
English Article Title: Distributed Intrusion Detection System for Cloud Environments based on Data Mining techniques
Year: 2018
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2018.01.095
Keywords:
#Intrusion_Detection_Systems
#Data_Mining_techniques
#Cloud_Computing
#Machine_Leaning
#Hadoop
#MapReduce
#سیستم_تشخیص_نفوذ
#داده_کاوی
#نفوذ
#محاسبات_ابری
#یادگیری_ماشین
#هادوپ
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
چکیده مقاله:
تقریبا دو دهه بعد از ظهور آنها؛ محاسبات ابری همچنان در میان سازمان ها و کاربران فردی در حال افزایش است. بسیاری از مسائل امنیتی همراه انتقال برای این الگوی محاسباتی شامل تشخیص نفوذ به وجود می اید. ابزارهای حمله و نفوذ با شکستن سیستم های تشخیص نفوذ سنتی (IDS) با مقدار زیادی از اطلاعات ترافیک شبکه و رفتارهای پویا پیچیده تر شده است. IDSs ابری موجود از کمبود دقت تشخیص؛ نرخ مثبت کاذب بالا و زمان اجرای بالا رنج می برد. در این مقاله ما یک یادگیری توزیع ماشینی بر مبنی سیستم تشخیص نفوذ برای محیط های ابری را ارائه می دهیم. سیستم پیشنهاد شده برای مندرجات در سمت ابری به وسیله اندازه همراه اجزای شبکه لبه از ابرهای ارائه شده است. اینها به ترافیک رهگیری شبکه های ورودی به لبه شبکه routers از از لایه فیزیکی اجازه می دهد. یک الگوریتم پنجره کشویی (sliding window) مبتنی بر زمان برای پیش پردازش شبکه گرفتار ترافیک در هر router ابری استفاده می شود و سپس در نمونه تشخیص ناهنجاری دسته بندی Naive Bayes استفاده می شود. یک مجموعه از گره های سرور کالا بر مبنی یک Hadoop و MapReduce برای هر نمونه تشخیص ناهنجاری از زمانی که تراکم شبکه افزایش می یابد؛ در دسترس است. برای هر پنجره زمانی؛ داده ترافیک ناهنجاری شبکه در هر طرف router برای یک سرور ذخیره سازی مرکزی هماهنگ شده است. بعد؛ یک طبقه بندی یادگیری گروهی بر مبنی یک Forest تصادفی برای اجرای یک مرحله دسته بندی چند کلاسه نهایی به منظور تشخیص انواعی از هر حمله استفاده می شود.
لغات کلیدی: سیستم های تشخیص نفوذ | محاسبات ابری | یادگیری ماشین | هادوپ | MapReduce
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/36nA3kR
خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : استفاده از یک رویکرد داده کاوی برای هویت یابی رهبران فکری موبایل و الگوهای کاربرد محتوای آنها در مجموعه داده‌های مخابراتی بزرگ
.
English Article Title: Employing a data mining approach for identification of mobile opinion leaders and their content usage patterns in large telecommunications datasets
Year: 2018
Publisher: ELSEVIER
Journal: Technological Forecasting & Social Change
DOI: https://doi.org/10.1016/j.techfore.2018.01.014
Keywords:
#Data_mining
#Mobile_service
#Mobile_opinion_leader
#Web_content_usage_patterns
#داده_کاوی
#هویت‌یابی
#کاربرد_محتوایی
#داده‌های_مخابرات
#سرویس_تلفن‌همراه
#رهبر_فکری_تلفن‌همراه
#الگوهای_استفاده_از_محتوای_وب
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_تجارت
#مقاله_کسب‌و‌کار
#مقاله_مدیریت
#مقاله_حسابداری (#Business_Management_and_Accounting)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
چکیده مقاله:
پیشرفت‌های تکنولوژیکی اخیر در زیرساخت ارتباطات، به ویژه آن‌هایی که در حوزه خدمات موبایل هستند، تاثیر شدیدی بر نحوه تعامل مردم با جامعه دارند. هر چه رویکرد موبایل در دسترس تر و راحت باشد، کاربران را از سیستم‌های با واسطه کامپیوتری سنتی دور می‌کند. با ادامه گرایش به تلفن همراه، درک الگوهای رفتار مصرف کنندگان آن برای کنترل قدرت این فن‌آوری جدید حیاتی می‌شود. یک گروه خاص کاربر، رهبران فکری که بر رفتار مصرف دیگر کاربران تاثیر زیادی دارند، تمرکز اصلی این مطالعه هستند. ادبیات موجود در الگوی استفاده تلفن همراه رهبران فکری، به جای مطالعات تجربی، محدود به تئوری است. این تحقیق تلاش می‌کند این شکاف را پر کند. با توجه به یکی از بزرگ‌ترین پایگاه‌های داده مخابراتی تایوانی، ما تلاش می‌کنیم تا رهبران فکری موبایل را شناسایی کرده و الگوهای کاربرد تلفن همراه آنها را با کاوش داده‌های واقعی خوشه‌بندی کنیم. این مطالعه ترکیبی از تکنیک‌ها، از جمله آمار، داده کاوی و تشخیص الگو، در تجزیه و تحلیل داده‌های مان را مورد بهره‌برداری قرار می‌دهد. چهار ویژگی اصلی و هفت الگوی کاربردی از رهبران فکری موبایل شناسایی شدند. دو سهم اصلی از این کار وجود دارد. اولین سهم کاربرد نظریه‌های رهبری فکری در بازار سنتی به خدمات تلفن همراه براساس یک سیستم داده بزرگ است ؛ دومی یک طبقه‌بندی برای تحلیل منطقی هر الگوی رفتار استفاده از محتوای تلفن همراه فراهم می‌کند که از داده کاوی جمع‌آوری می‌شود تا طرح نقشه بهتری برای مصرف منابع تلفن همراه آینده فراهم شود.
کلید واژه ها: داده کاوی، سرویس تلفن همراه، رهبر فکری تلفن همراه، الگوهای استفاده از محتوای وب
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/39GgCWr
.
عنوان فارسی مقاله : استفاده از یک رویکرد داده کاوی برای هویت یابی رهبران فکری موبایل و الگوهای کاربرد محتوای آنها در مجموعه داده‌های مخابراتی بزرگ
.
English Article Title: Employing a data mining approach for identification of mobile opinion leaders and their content usage patterns in large telecommunications datasets
Year: 2018
Publisher: ELSEVIER
Journal: Technological Forecasting & Social Change
DOI: https://doi.org/10.1016/j.techfore.2018.01.014
Keywords:
#Data_mining
#Mobile_service
#Mobile_opinion_leader
#Web_content_usage_patterns
#داده_کاوی
#هویت‌یابی
#کاربرد_محتوایی
#داده‌های_مخابرات
#سرویس_تلفن‌همراه
#رهبر_فکری_تلفن‌همراه
#الگوهای_استفاده_از_محتوای_وب
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_تجارت
#مقاله_کسب‌و‌کار
#مقاله_مدیریت
#مقاله_حسابداری (#Business_Management_and_Accounting)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
چکیده مقاله:
پیشرفت‌های تکنولوژیکی اخیر در زیرساخت ارتباطات، به ویژه آن‌هایی که در حوزه خدمات موبایل هستند، تاثیر شدیدی بر نحوه تعامل مردم با جامعه دارند. هر چه رویکرد موبایل در دسترس تر و راحت باشد، کاربران را از سیستم‌های با واسطه کامپیوتری سنتی دور می‌کند. با ادامه گرایش به تلفن همراه، درک الگوهای رفتار مصرف کنندگان آن برای کنترل قدرت این فن‌آوری جدید حیاتی می‌شود. یک گروه خاص کاربر، رهبران فکری که بر رفتار مصرف دیگر کاربران تاثیر زیادی دارند، تمرکز اصلی این مطالعه هستند. ادبیات موجود در الگوی استفاده تلفن همراه رهبران فکری، به جای مطالعات تجربی، محدود به تئوری است. این تحقیق تلاش می‌کند این شکاف را پر کند. با توجه به یکی از بزرگ‌ترین پایگاه‌های داده مخابراتی تایوانی، ما تلاش می‌کنیم تا رهبران فکری موبایل را شناسایی کرده و الگوهای کاربرد تلفن همراه آنها را با کاوش داده‌های واقعی خوشه‌بندی کنیم. این مطالعه ترکیبی از تکنیک‌ها، از جمله آمار، داده کاوی و تشخیص الگو، در تجزیه و تحلیل داده‌های مان را مورد بهره‌برداری قرار می‌دهد. چهار ویژگی اصلی و هفت الگوی کاربردی از رهبران فکری موبایل شناسایی شدند. دو سهم اصلی از این کار وجود دارد. اولین سهم کاربرد نظریه‌های رهبری فکری در بازار سنتی به خدمات تلفن همراه براساس یک سیستم داده بزرگ است ؛ دومی یک طبقه‌بندی برای تحلیل منطقی هر الگوی رفتار استفاده از محتوای تلفن همراه فراهم می‌کند که از داده کاوی جمع‌آوری می‌شود تا طرح نقشه بهتری برای مصرف منابع تلفن همراه آینده فراهم شود.
کلید واژه ها: داده کاوی، سرویس تلفن همراه، رهبر فکری تلفن همراه، الگوهای استفاده از محتوای وب
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/39GgCWr
Forwarded from ترجمه انگلیسی به فارسی
عنوان فارسی مقاله : بازی آنلاین اجتماعی و سایت های شبکه های اجتماعی
.
English Article Title: Online Social Gaming and Social Networking Sites
Year: 2016
Publisher: Elsevier
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2016.04.011
Keywords:
#Online_games
#Social_sites
#Data_Mining
#Random_Forest
#Neural_Networks
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#بازی_آنلاین
#سایتهای_اجتماعی
#داده_کاوی
#جنگل_تصادفی
#شبکه_های_عصبی
چکیده مقاله:
بازی های آنلاین اجتماعی امروزه به یک جز قابل توجه در سایت های شبکه های اجتماعی تبدیل شده است . به منظور گسترش و توسعه در محیط مجازی سایت های شبکه های اجتماعی چارچوبی را برای بازی های آنلاین فراهم کرده اند. در حال حاضر در بسیاری از موارد کاربران قادر به انجام بازی آنلاین، مقایسه امتیازات و چالش در بین یکدیگر هستند. با توجه به آمار سایت های شبکه های اجتماعی، انگیزه های مختلفی برای ظهور بازی های اجتماعی وجود دارد. لزوما انجام این تحقیق پاسخ به این سوال را می دهد که آیا ادغام بازی های اجتماعی در سایت های شبکه های اجتماعی و برنامه های کاربردی احتمال انجام این بازی ها را افزایش داده است؟ بنابراین ، اصلی ترین هدف این تحقیق پیش بینی، از واقعیتی است که برای این تصمیم استفاده شده و شامل بازی ها (ماجراجویی، مبارزه، طراحی، هنر، زندگی مجازی و غیره ) در سایت های شبکه های اجتماعی است که هنوز پیاده سازی و اجرا نشده اند (همچون توییتر، وبلاگ و...)
همچنین، می خواهیم بررسی کنیم که آیا ورود بازی های اجتماعی موجب بهبود سرویس های ارائه شده توسط سایت های اجتماعی شده و بازی های اجتماعی کارایی مثبتی بر رفتار انسانی با برقراری ارتباط و تعامل با سایرین دارد. هدف از این مطالعه بررسی رابطه بین برنامه های شبکه های اجتماعی و بازی هاست و اینکه آیا باعث افزایش مشارکت کاربران در بازی های آنلاین شده است .تنظیمات اولیه برای روش کمَی مطالعه تحقیق بدون در نظر گرفتن سن، جنسیت و علایق بازیکنان انجام شده است.داده با توزیع یک نظرسنجی آنلاین جمع آوری و با استفاده از ابزار داده کاوی تحلیل شده است. دو طبقه بندی مشهور از الگوریتم ها برای پیش بینی پاسخ این پرسش این تحقیق مورد استفاده قرار گرفته است.داده های به دست آمده با استفاده از معیارهای مختلف مقایسه و تست شده اند.
کلمات کلیدی: بازی های آنلاین ، سایت های اجتماعی ، داده کاوی ، جنگل تصادفی ، شبکه های عصبی
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2LxPVsv
.
English Article Title: Online Social Gaming and Social Networking Sites
Year: 2016
Publisher: Elsevier
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2016.04.011
Keywords:
#Online_games
#Social_sites
#Data_Mining
#Random_Forest
#Neural_Networks
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#بازی_آنلاین
#سایتهای_اجتماعی
#داده_کاوی
#جنگل_تصادفی
#شبکه_های_عصبی
چکیده مقاله:
بازی های آنلاین اجتماعی امروزه به یک جز قابل توجه در سایت های شبکه های اجتماعی تبدیل شده است . به منظور گسترش و توسعه در محیط مجازی سایت های شبکه های اجتماعی چارچوبی را برای بازی های آنلاین فراهم کرده اند. در حال حاضر در بسیاری از موارد کاربران قادر به انجام بازی آنلاین، مقایسه امتیازات و چالش در بین یکدیگر هستند. با توجه به آمار سایت های شبکه های اجتماعی، انگیزه های مختلفی برای ظهور بازی های اجتماعی وجود دارد. لزوما انجام این تحقیق پاسخ به این سوال را می دهد که آیا ادغام بازی های اجتماعی در سایت های شبکه های اجتماعی و برنامه های کاربردی احتمال انجام این بازی ها را افزایش داده است؟ بنابراین ، اصلی ترین هدف این تحقیق پیش بینی، از واقعیتی است که برای این تصمیم استفاده شده و شامل بازی ها (ماجراجویی، مبارزه، طراحی، هنر، زندگی مجازی و غیره ) در سایت های شبکه های اجتماعی است که هنوز پیاده سازی و اجرا نشده اند (همچون توییتر، وبلاگ و...)
همچنین، می خواهیم بررسی کنیم که آیا ورود بازی های اجتماعی موجب بهبود سرویس های ارائه شده توسط سایت های اجتماعی شده و بازی های اجتماعی کارایی مثبتی بر رفتار انسانی با برقراری ارتباط و تعامل با سایرین دارد. هدف از این مطالعه بررسی رابطه بین برنامه های شبکه های اجتماعی و بازی هاست و اینکه آیا باعث افزایش مشارکت کاربران در بازی های آنلاین شده است .تنظیمات اولیه برای روش کمَی مطالعه تحقیق بدون در نظر گرفتن سن، جنسیت و علایق بازیکنان انجام شده است.داده با توزیع یک نظرسنجی آنلاین جمع آوری و با استفاده از ابزار داده کاوی تحلیل شده است. دو طبقه بندی مشهور از الگوریتم ها برای پیش بینی پاسخ این پرسش این تحقیق مورد استفاده قرار گرفته است.داده های به دست آمده با استفاده از معیارهای مختلف مقایسه و تست شده اند.
کلمات کلیدی: بازی های آنلاین ، سایت های اجتماعی ، داده کاوی ، جنگل تصادفی ، شبکه های عصبی
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2LxPVsv