دانلود مقاله و خرید ترجمه:پیش بینی موازی اطلاعات سراسر جامعه با به دست آوردن داده ها از شبکه های اجتماعی - 2018
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

مقالات ترجمه شده شبکه های اجتماعی ( Social Networks )
  • Parallel forecasting of community-wide information spread with assimilation of social network data پیش بینی موازی اطلاعات سراسر جامعه با به دست آوردن داده ها از شبکه های اجتماعی
    دانلود مقاله | مقاله انگلیسی رایگان | خرید ترجمه فارسی مقاله

    دسته بندی:

    شبکه های اجتماعی - Social Networks


    سال انتشار:

    2018


    ترجمه فارسی عنوان مقاله:

    پیش بینی موازی اطلاعات سراسر جامعه با به دست آوردن داده ها از شبکه های اجتماعی


    عنوان انگلیسی مقاله:

    Parallel forecasting of community-wide information spread with assimilation of social network data


    منبع:

    sciencedirect - elsevier - Procedia Computer Science 136 (2018) 228–235


    نویسنده:

    Oksana Severiukhina, Sergey Kesarev, Max Petrov and Klavdiya Bochenina


    چکیده انگلیسی:

    Nowadays, social networks have become one of the main sources of information. There are many factors affecting the information spreading. On the one hand, we must take into account the features of post and information sources, on the other hand, it is necessary to understand how users react to posts. Moreover, social networks (as well as some natural and technical systems) allow for collecting the data about the actual state of a dynamical process, thus providing the input data for assimilation within the simulation. In this paper, we propose a multi-agent approach for predicting the dissemination of information taking into account both retrospective data and information about the states of the agents within a social network at the current moment. During simulation ocess, the model receives network state data in form of batches and can modify internal parameters for more accurate prediction. The parallel realization of this approach allows to perform simulation at a reasonable time. The results show that the accuracy of prediction may be significantly improved using additional information collected from an online social network.
    Keywords: social network | parallel algorithm | forecasting | information spread


    چکیده فارسی:

    امروزه شبکه¬های اجتماعی به یکی از منابع اصلی اطلاعات تبدیل شده است. عوامل بسیاری بر این گسترش اطلاعات تأثیر دارد. از یک سو، ما باید به گزارش ویژگی¬های پست و منابع اطلاعات بپردازیم، از سوی دیگر، لازم است تا درک کنیم که چگونه کاربران روی پست ها واکنش نشان می دهند. علاوه بر این، شبکه های اجتماعی (و همچنین برخی از سیستم های طبیعی و فنی) به ما برای جمع آوری این داده ها در باره حالت واقعی روند دینامیک امکان می دهد، بدین ترتیب این ورودی داده ها امکان ادغام در داخل این شبیه سازی را فراهم می¬آورد. در این مقاله، ما یک رویکرد چند عاملی برای پیش بینی انتشار اطلاعات را با توجه به داده های گذشته و اطلاعات مربوط به وضعیت عامل ها در یک شبکه اجتماعی پیشنهاد می¬کنم. در طی روند شبیه سازی، این مدل حالت شبکه داده ها را در فرم دسته ای دریافت می کند و می توان مولفه های داخلی برای پیش بینی دقیق¬تر را تغییر دهد. تحقق موازی این روش به ما امکان می دهد تا شبیه سازی را در یک زمان معقول انجام دهیم. نتایج نشان می¬دهد که با استفاده از اطلاعات اضافی جمع آوری شده از شبکه اجتماعی آنلاین، دقت پیش بینی می تواند به طور قابل توجهی بهبود یابد.
    کلید واژه ها: شبکه اجتماعی | الگوریتم موازی | پیش بینی | اطلاعات گسترده


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 8
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 18

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 466 کیلوبایت


    قیمت: 54600 تومان   


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 2657 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 2657 :::::::: افراد آنلاین: 55