دانلود رایگان مقاله انگلیسی وب کاوی مبتنی بر الگوریتم Kohonen تک بعدی: تحلیل وب سایت رسانه اجتماعی - اشپرینگر 2017

قیمت خرید این محصول

رایگان

دانلود مقاله انگلیسی سفارش ترجمه این مقاله

عنوان فارسی

وب کاوی مبتنی بر الگوریتم Kohonen تک بعدی: تحلیل وب سایت های رسانه های اجتماعی

عنوان انگلیسی

Web mining based on one-dimensional Kohonen’s algorithm: analysis of social media websites

صفحات مقاله فارسی

0

صفحات مقاله انگلیسی

5

سال انتشار

2017

نشریه

اشپرینگر - Springer

فرمت مقاله انگلیسی

PDF

نوع مقاله

ISI

نوع نگارش

مقالات پژوهشی

رفرنس

دارد

پایگاه

اسکوپوس

کد محصول

E9313

رشته های مرتبط با این مقاله

مهندسی کامپیوتر، فناوری اطلاعات

گرایش های مرتبط با این مقاله

هوش مصنوعی، الگوریتم ها و محاسبات، اینترنت و شبکه های گسترده

مجله

محاسبات عصبی و برنامه های کاربردی - Neural Computing and Applications

دانشگاه

School of Management - Hangzhou Dianzi University - Hangzhou - China

کلمات کلیدی

الگوریتم Kohonen، رسانه های اجتماعی، داده کاوی، محاسبات عصبی

doi یا شناسه دیجیتال

http://doi.org/10.1007/s00521-016-2410-9

برای سفارش ترجمه این مقاله با کیفیت عالی و در کوتاه ترین زمان ممکن توسط مترجمین مجرب سایت ایران عرضه؛ روی دکمه سبز رنگ کلیک نمایید.

۰.۰ (بدون امتیاز)

امتیاز دهید

چکیده

Abstract

One-dimensional Kohonen’s algorithm is a process of mining knowledge which finds the characteristics of social media websites as a mode from the sequence database. Social media web log records generated constantly, and user access patterns will change accordingly. This study focused on taking advantage of the dynamic characteristics of the Kohonen algorithm, delivering a fast and efficient incremental mining algorithm and testing the new developed model.

نتیجه گیری

5 Conclusion

This paper has provided insights into the different accessing patterns of social media websites by improved Kohonen’s one-dimensional neural networks. The study confirms that better algorithms on social commerce users’ mining could enhance their acceptance patterns on social media different from previously literature. Current research adds new knowledge regarding time and neuron matrix in existing Kohonen’s models. The research helps practitioners and researchers better understand the different accessing characteristics between social media providers and users. Experiments with real and synthetic data sets are considered. A comparative study of the proposed networks with fuzzy c-means methods of the literature of symbolic data analysis for interval data was performed. The comparison was based on an external index, the overall error rate of classification and the number of iterations needed. For the synthetic data sets, these measures were estimated by the Monte Carlo simulation method. Continued research, development and evaluation are required to provide further understanding about other potential factors that may have an impact on the acceptance of social media services in colleges and to provide useful guidelines for marketers and product designers. The results pointed out that networks introduced in this paper outperformed the methods for these synthetic and real interval data sets regarding these clustering quality measures used.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی فناوری اطلاعات IT، دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات isi