ترجمه مقاله تجزیه و تحلیل رفتارهای کاربر با کاوش مجموعه داده های شبکه ای بزرگ - نشریه الزویر

قیمت خرید این محصول

۳۵,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

تجزیه و تحلیل رفتارهای کاربر با کاوش مجموعه داده های شبکه ای بزرگ

عنوان انگلیسی

Analysis of user behaviors by mining large network data sets

صفحات مقاله فارسی

22

صفحات مقاله انگلیسی

9

سال انتشار

2014

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

7430

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

هوش مصنوعی و مهندسی الگوریتم ها و محاسبات

مجله

نسل آینده سیستم های کامپیوتری - Future Generation Computer Systems

دانشگاه

بخش مهندسی الکترونیک و ابزار دقیق، دانشگاه علم و صنعت Huazhong، چین

کلمات کلیدی

رفتار کاربر، داده کاوی، تقسیم بندی مصرف کننده، خوشه بندی c-means فازی clustering

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1. مقدمه
2. کارهای مرتبط
3. شاخص رفتار ارتباطات و الگوریتم FCM
3.1. شاخص رفتار ارتباطاتی
3.2. تقسیم بندی کاربر با خوشه بندی c-means فازی
4. الگوهای رفتاری کاربر
4.1 خوشه بندی رفتار ارتباطات
4.2 رفتار ارتباطی و تحرک
4.3. خوشه بندی گروه
4.4. نتایج و بحث
5. نتیجه گیری و کارهای آتی

نمونه چکیده متن اصلی انگلیسی

Abstract

Understanding the intelligence of human behaviors by mining petabytes of network data represents the tendency in social behaviors research and shows great significance on Internet application designing and service expansion. Meanwhile, the running mobile networks that generate huge data can be the best social sensor for these studies. This paper investigates a practical case of mobile network aided social sensing which uncovers some features of users’ behaviors in mobile networks by intelligently processing the big data. The paper studies the users’ behaviors with regard to communication, movement, and consumption based on large user data sets. The main contribution of the study is some findings on the relations among these behavior features. We find that the users’ calling behaviors are different despite their monthly expenditures being similar, though different consumption level users may have similar communication behaviors. We also find that statistically users with the higher mobility contribute more ARPU than those with lower mobility. Additionally, we also find that the top consumption level users are the most ‘‘lonely’’ ones by exploring the movement clustering patterns of users. These findings are significant to instruct marketing strategies for telecommunication industry.

نمونه چکیده ترجمه متن فارسی

چکیده
درک هوش رفتاری انسان ها توسط کاوش پتابایت های داده های شبکه بیانگر گرایشات پژوهش های مربوط به رفتارهای اجتماعی بوده و از اهمیت زیادی طراحی برنامه های اینترنتی و گسترش خدمات برخوردار است. در همین حال، شبکه های موبایل در حال اجرا که منجر به تولید داده های هنگفتی می شوند می تواند بهترین حسگرهای اجتماعی برای این مطالعات باشند. این مقاله به بررسی یک مورد کاربردی شبکه موبایل به منظور ادراک یا سنجش اجتماعی می پردازد که برخی از ویژگی های رفتارهای کاربران را در شبکه های موبایل با پردازش هوشمندانه داده های بزرگ آشکار می نماید. این مقاله به مطالعه رفتار کاربران با توجه به ارتباطات، حرکت و مصرف مبتنی بر مجموعه داده های بزرگ کاربر می پردازد. سهم اصلی این مطالعه یافته هایی در زمینه روابط میان این ویژگی های رفتاری است. ما دریافتیم که رفتارهای تماس کاربران با وجود مشابه بودن هزینه های ماهانه آنان، متفاوت می باشد، هر چند کاربران با سطوح مختلف مصرف ممکن است دارای رفتارهای ارتباطی مشابهی باشد. ما همچنین دریافتیم که از نظر آماری کاربران دارای تحرک زیادتر به ARPU بیشتر از کاربران دارای تحرک پایین تر کمک می کنند. علاوه بر این، ما دریافتیم که کاربران با سطح مصرف بالا تنهاترین کاربران بر اساس بررسی الگوهای خوشه بندی حرکت کاربران محسوب می شوند. این یافته ها جهت آموزش استراتژی های بازاریابی برای صنعت ارتباط از راه دور قابل اعتنا می باشند.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات انگلیسی هوش مصنوعی