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).
ردیف | عنوان | نوع |
---|---|---|
101 |
Users of the world, unite! The challenges and opportunities of Social Media
کاربران جهان متحد شوید! چالش ها و فرصتهای رسانه های اجتماعی-2015 The concept of Social Media is top of the agenda for many business executives today. Decision makers, as well as consultants, try to identify ways in which firms can make profitable use of applications such as Wikipedia, YouTube, Facebook, Second Life, and Twitter. Yet despite this interest, there seems to be very limited understanding of what the term “Social Media” exactly means; this article intends to provide some clarification. We begin by describing the concept of Social Media, and discuss how it differs from related concepts such as Web 2.0 and User Generated Content. Based on this definition, we then provide a classification of Social Media which groups applications currently subsumed under the generalized term into more specific categories by characteristic: collaborative projects, blogs, content communities, social networking sites, virtual game worlds, and virtual social worlds. Finally, we present 10 pieces of advice for companies which decide to utilize Social Media.
Keywords: Social Media;User Generated Content;Web 2.0;Social networking sites; Virtual worlds |
مقاله انگلیسی |
102 |
Data Mining of Automatically Promotion Tweet for Products and Services Using Naïve Bayes Algorithm to Increase Twitter Engagement Followers atPT: Bobobobo
داده کاوی خودکار توییت تبلیغاتی برای محصولات و خدمات با استفاده از الگوریتم ساده بیزی برای افزایش دنبال کنندگان توییتر ، atPT: Bobobobo-2015 The number of user social media Twitter in Indonesia giving benefits for companies to promote products and services via Twitter. In Twitter, to maximize the promotion it’s needed more followers. Through this research data mining used to discovered follower’s trend information of products or services to increase the engagement followers through automatically tweet promotion. Algorithm Naïve Bayes used to classified tweet followers based on products or services, then analyzed to get trend words and afterwards adapted to promotion tweet. The results of this research, Naïve Bayes Classification accuracy reached 90.31% used data testing from tweet product and 80.91% from data testing tweet services, and increased engagement followers reached 69%.© 2015 The Authors. Published by Elsevier B.V.Peer-review under responsibility of organizing committee of the International Conference on Computer Science and Computational Intelligence (ICCSCI 2015).© 2015 The Authors. Published by Elsevier B.V. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).Peer-review under responsibility of organizing committee of the International Conference on Computer Science and Computational Intelligence (ICCSCI 2015)
Data mining | tweet promotion | engagement followers | Naïve Bayes | witter |
مقاله انگلیسی |
103 |
Big Data Technologies and Cloud Computing
فن آوری های داده ها ی حجیم و محاسبات ابری-2015 Nowadays, information technology opens the door through which humans step
into a smart society and leads to the development of modern services such as:
Internet e-commerce, modern logistics, and e-finance. It also promotes the development of emerging industries, such as Telematics, Smart Grid, New Energy,
Intelligent Transportation, Smart City, and High-End Equipment Manufacturing.
Modern information technology is becoming the engine of the operation and
development of all walks of life. But this engine is facing the huge challenge of
big data[1]. Various types of business data are growing by exponential orders of
magnitude[2]. Problems such as data collection, storage, retrieval, analysis, and
the application of data can no longer be solved by traditional information processing technologies. These issues have become great obstacles to the realization of
a digital society, network society, and intelligent society. The New York Stock
Exchange produces 1 terabyte (TB) of trading data every day; Twitter generates
more than 7 TB of data every day; Facebook produces more than 10 TB of data
every day; the Large Hadron Collider located at CERN produces about 15 PB of
data every year. According to a study conducted by the well-known consulting
firm International Data Corporation (IDC), the total global information volume of
2007 was about 165 exabytes (EB) of data. Even in 2009 when the global financial
crisis happened, the global information volume reached 800 EB, which was an increase
of 62% over the previous year. In the future, the data volume of the whole world will
be doubled every 18 months. The number will reach 35 (zettabytes) ZB in 2020, about
230 times the number in 2007, yet the written record of 5000 years of human history
amounts to only 5 EB data. These statistics indicate the eras of TB, PB, and EB are all
in the past; global data storage is formally entering the “Zetta era.” |
مقاله انگلیسی |
104 |
تکنولوژی داده های بزرگ و محاسبات ابری
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 33 - تعداد صفحات فایل doc فارسی: 55 امروزه فناوری اطلاعات افق هایی را در برابر انسان می گشاید که از طریق آن ها انسان به جامعه هوشمند گام گذاشته و منجر به پیدایش و توسعه خدمات مدرن نظیر؛ تجارت الکترونیکی اینترنتی، استدلال های پیشرفته، و اقتصاد الکترونیکی می شود. این اتفاق همچنین منجر به گسترش صنایع نوظهور نظیر کامپیوتری-مخابراتی ، شبکه های هوشمند، انرژی های جدید، حمل و نقل هوشمند، و ساخت تجهیزات مدرن شده است. فناوری اطلاعات مدرن در حال تبدیل شدن به موتور عملیاتی و توسعه ای همه پیشرفت ها در زندگی انسان است. اما امروزه این موتور در حال مواجهه با چالش بزرگی تحت عنوان داده های بزرگ است [1]. انواع مختلف داده های تجاری به صورت نمایی در حال رشد هستند [2]. مسائلی نظیر جمع آوری داده ها، ذخیره سازی، بازیابی، تحلیل، و کاربردهای داده ها دیگر قابل حل شدن از طریق فناوری های سنتی پردازش اطلاعات نخواهند بود. این مسائل مهمترین موانع پیش روی تحقق جامعه دیجیتال، جامعه شبکه ای، و جامعه هوشمند است. سازمان بورس نیویورک در هر روز میزان 1TB اطلاعات تجاری تولید می کند؛ توئیتر بیش از 7TB داده در هر روز تولید می کند؛ فیس بوک نیز در هر روز بیش از 10TB داده در هر روز تولید می کند؛ این میزان برای شرکت Large Hadron Collider واقع در CERN برابر با 15PB (پتا بایت) در هر سال است. براساس مطالعات که با کمک شرکت مشهور مشاوره International Data Corporation (IDC) انجام شده است، حجم کلی اطلاعات موجود تا سال 2007 در سراسر جهان برابر 165 EB (اگزابایت) بوده است. حتی در سال 2009 هنگامی که بحران اقتصادی جهانی رخ داد، حجم اطلاعات جهانی به میزان 800 EB رسید؛ که طی دو سال اخیر با یک افزایش 62 درصدی مواجه شده بود. در آینده حدودا در هر 18 ماه حجم اطلاعات موجود در سراسر جهان، دو برابر خواهد شد. این میزان در سال 2020 به 35 ZB (زتا بایت) خواهد رسید، حدود 230 برابر حجم داده های سال 2007، درحالی که رکوردهای نوشته شده در تاریخ 5000 ساله بشری به 5 EB می رسد. این آمراها حاکی از آن هستند که حوزه های TB، PB و EB همه در گذشته باقی مانده اند؛ و ذخیره سازی جهانی اطلاعات درحال ورود به حوزه "زتا" بایت است. |
مقاله ترجمه شده |
105 |
Data mining – past, present and future – a typical survey on data streams
داده کاوی - گذشته، حال و آینده - یک بررسی معمولی در جریان داده-2015 Data Stream Mining is one of the area gaining lot of practical significance and is progressing at a brisk pace with new methods,
methodologies and findings in various applications related to medicine, computer science, bioinformatics and stock market
prediction, weather forecast, text, audio and video processing to name a few. Data happens to be the key concern in data mining.
With the huge online data generated from several sensors, Internet Relay Chats, Twitter, Face book, Online Bank or ATM
Transactions, the concept of dynamically changing data is becoming a key challenge, what we call as data streams. In this paper,
we give the algorithm for finding frequent patterns from data streams with a case study and identify the research issues in
handling data streams.
Keywords: Clustering; Streams; Mining; Dimensionality reduction; Text stream; Data streams |
مقاله انگلیسی |
106 |
آشکار سازی بازدهی انتشار اطلاعات در شبکه های اجتماعی آنلاین میکروبلاگ
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 7 - تعداد صفحات فایل doc فارسی: 18 شبکه های اجتماعی آنلاین (SNO ها) از قبیل میکروبلاگ افراد را قادر می سازند تا بطور همزمان اطلاعات خود را با دیگران به اشتراک بگذارند. همچنین آشکار سازی ویژگیهای ساختار شبکه تشکیل شده و تاثیرات متعاقب آن بر انتشار اطلاعات اهمیت دارد. در این مقاله ، پروفایل ده میلیون کاربر از بزرگترین میکروبلاگ کشور چین و تعداد 7/41میلیون پروفایل Twitter بطور تجربی مطالعه شدند. با مطالعه توپولوژی اعضا به این ویژگی پایدار پی بردیم که کاربران تابع انتشار اطلاعات مطلوب بر حسب حداقل زمان تکثیر دست می یابد. سپس این دلیل را از دیدگاه تئوریکی بررسی کرده و پی بردیم ساختار شبکه به حداقل انتشار اطلاعات بر حسب حداقل زمان تکثیر دست می یابد. این مطالعه کارایی انتشار اطلاعات در میکروبلاگ OSN را نشان می دهد این کارایی با انجام آزمایشات تجربی تحلیل تئوریکی و شبیه سازی عددی تائید می شود.
کلمات کلیدی: انتشار اطلاعات | قانون قدرت | درجه گره | شبکه های اجتماعی آنلاین |
مقاله ترجمه شده |
107 |
Mining web-based data to assess public response to environmental events
داده کاوی مبتنی بر وب برای ارزیابی پاسخ های عمومی به حوادث زیست محیطی-2015 We explore how the analysis of web-based data, such as Twitter and Google Trends, can be used to assess the social relevance of an environmental accident. The concept and methods are applied in the shutdown of drinking water supply at the city of Toledo, Ohio, USA. Toledo's notice, which persisted from August 1 to 4, 2014, is a high-profile event that directly influenced approximately half a million people and received wide recognition. The notice was given when excessive levels of microcystin, a byproduct of cyanobacteria blooms, were discovered at the drinking water treatment plant on Lake Erie. Twitter mining results illustrated an instant response to the Toledo incident, the associated collective knowledge, and public perception. The results from Google Trends, on the other hand, revealed how the Toledo event raised public attention on the associated environmental issue, harmful algal blooms, in a long-term context. Thus, when jointly applied, Twitter and Google Trend analysis results offer complementary perspectives. Web content aggregated through mining approaches provides a social standpoint, such as public perception and interest, and offers context for establishing and evaluating environmental man- agement policies.© 2014 Elsevier Ltd. All rights reserved.
Keywords: Twitter | Google trends | Social media | Web search trends | Data mining | Algal blooms | Public perception and interest |
مقاله انگلیسی |
108 |
Mapping the data shadows of Hurricane Sandy: Uncovering the socio spatial dimensions of ‘big data’
نقشه سایه داده های طوفان های شنی: کشف ابعاد فضایی اجتماعی داده های بزرگ-2014 Digital social data are now practically ubiquitous, with increasingly large and interconnected databases
leading researchers, politicians, and the private sector to focus on how such ‘big data’ can allow
potentially unprecedented insights into our world. This paper investigates Twitter activity in the wake
of Hurricane Sandy in order to demonstrate the complex relationship between the material world and
its digital representations. Through documenting the various spatial patterns of Sandy-related tweeting
both within the New York metropolitan region and across the United States, we make a series of broader
conceptual and methodological interventions into the nascent geographic literature on big data. Rather
than focus on how these massive databases are causing necessary and irreversible shifts in the ways that
knowledge is produced, we instead find it more productive to ask how small subsets of big data, especially georeferenced social media information scraped from the internet, can reveal the geographies of
a range of social processes and practices. Utilizing both qualitative and quantitative methods, we can
uncover broad spatial patterns within this data, as well as understand how this data reflects the lived
experiences of the people creating it. We also seek to fill a conceptual lacuna in studies of user-generated
geographic information, which have often avoided any explicit theorizing of sociospatial relations, by
employing Jessop et al.’s TPSN framework. Through these interventions, we demonstrate that any
analysis of user-generated geographic information must take into account the existence of more complex
spatialities than the relatively simple spatial ontology implied by latitude and longitude coordinates.
Keywords:
Big data
Geoweb
Hurricane Sandy
Mixed methods
Socio-spatial theory
Twitter |
مقاله انگلیسی |
109 |
آیا باید توییت ها برای B2B و B2C متفاوت باشند ؟ تجزیه و تحلیلی از ارتباطات توییتری شرکت فورچون 500
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 31 بازاریابان فروش محصولات خدمات یک شرکت به شرکت دیگر و یا بنگاه به بنگاه (B2B) از پذیرفتن رسانه های اجتماعی به عنوان ابزار بازاریابی، بر خلاف همتایان تجارتی بنگاه –مشتری (B2C) تردید دارند و در تلاش برای پیاده سازی استراتژی رسانه های اجتماعی موفق با توجه به درک محدود خودشان از این پدیده هستند . برخی از محققین, با تکیه بر ارتباطات و نظریه های شفاهی ارائه شده , درصدد بررسی این موضوع برامدند که چگونه بازاریابان از توییتر در سراسر زمینه ها استفاده میکنند و به پیش بینی عوامل کلیدی احتمالی برای نفوذ پیام مورد نظر میپردازند . یک تحلیل محتوایی طولی و رگرسیون لجستیک نمونه ای از بیش از 7000 توییت ارائه شده توسط شرکت فورچون 500 را ارزیابی کرد . بازاریابان در تجارت B2B و B2C تفاوتهای قابل توجهی در استراتژی نام تجاری و فروش خود از جمله نحوه ی استفاده از نشانه ها، لینک ها و هشتگ برای پشتیبانی از اطلاعات جستجو شده , دارند . در حالی که بازاریابان B2B تمایل به استفاده از تقاضاها و یا تجدید نظرهای احساسی در مقایسه با تقاضاهاو یا تجدید نظرهای عملکردی در توییت های خودشان دارند , و باید خاطر نشان کنیم که نه بازاریابان B2C و نه بازاریابان B2B استراتژی " سخت کوشی در فروش و یا فروش با چرب زبانی و فشار" را اتخاذ نمیکنند.
واژه های کلیدی : تبلیغات B2B| توییتر | تجزیه و تحلیل محتوایی طولی | رسانه های اجتماعی | درخواست پیام |
مقاله ترجمه شده |
110 |
راه حل های داده های بزرگ در مقیاس کوچک: ارزیابی محاسبات با کارایی بالا و قابلدسترس برای تحقیقات اجتماعی
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 12 - تعداد صفحات فایل doc فارسی: 32 اگرچه پژوهشهایی که در خصوص داده های بزرگ صورت گرفته است، سرشار از امید بوده و جای پیشرفت داشته دارد، ولی باید توجه داشت که پیشرفت موفقیتآمیز این پژوهشها در گرو دسترسی به جدیدترین، پیشرفتهترین و درعینحال گرانترین سیستمهای سختافزاری و همچنین تخصص لازم و مورد نیاز برای ساخت و پیادهسازی چنین سیستمهایی میباشد. در نتیجه، دسترسی به راهحلهای فناوری مرتبط با کلان دادهها که تعداد آنها هم رو به رشد است، شاید برای تجزیهوتحلیل در حوزهی کسبوکار آسان نباشد. سرویسهای پرداخت به ازای ذخیرهسازی/پردازش ، مشابه با سرویسهای وب آمازون باعث شده تا دریچهها و احتمالاتی جدید برای پروژههای کوچکتر کلان دادهای فراهم شود. در جامعهشناسی و علوم انسانی دیجیتال، تقاضای روز افزونی برای این نوع پژوهش وجود دارد. با این حال، با توجه به رشد اندازه و پیچیدگی مجموعههای دادهای موجود، محققین با مشکلاتی در انجام پژوهشهای خود بر روی این دادهها روبرو میباشند. بدون سرمایهگذاری کلان و یا توانایی در ایجاد همکاریها و مشارکتهای میانرشتهای، محققین فقط در فرآیند استفاده از کلان دادهها به شکلی موفق عمل کردهاند. در این مقاله قصد داریم تا چندین فناوری عمده و گستردهی مرتبط با کلان دادهها را که با استفاده از سیستمهای ابری (کلود) قدرتمند و بزرگ پیادهسازی گردیده است ارائه دهیم و امکانپذیری و کاربردپذیری فرآیند توسعهی سیستمهای تحلیلی کلان دادهها را که با استفاده از سختافزارهای کمهزینه (که در پیکربندیهای اولیه و آسان پیادهسازی شدهاند) را به منظور استفاده از این فناوریها در پژوهشهای اجتماعی و دانشگاهی بررسی کنیم. در بررسیها و کاوشهایی که بر روی یک مطالعهی موردی (در حوزهی رو به رشدِ تجزیهوتحلیل شبکهی اجتماعی توئیتر) انجام دادهایم، یافتهایم که نه تنها میتوان از راهحلهای تحلیلی کلان دادهها همچون هادوپ (آپاچی) و کلودرا استفاده کرد بلکه این راه حلها میتوانند نتایج پژوهشی عمیق، دقیق و پر باری را در سناریوهای کاربردی مختلف ارائه دهند.
کلمات کلیدی: داده های بزرگ | روشهای پژوهشی رسانهی اجتماعی | روشهای پژوهشی داده های بزرگ | علوم انسانی دیجیتال | جامعهشناسی دیجیتال | توئیتر |
مقاله ترجمه شده |