شناسایی کاربران پرنفوذ در شبکه های اجتماعی جهت کاهش هزینه ی تبلیغات

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,765

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELECONFK01_015

تاریخ نمایه سازی: 16 خرداد 1394

چکیده مقاله:

تبلیغات ارزان و هدفمند، در دنیای دیجیتال امروز، همیشه آرزوی کارآفرینانی است که به معرفی موثر و به صرفه ی ایده ها و محصولاتشان میاندیشند . در دنیای بازاریابی الکترونیکی، مدل های کسب و کار جدیدی معرفی شده اند و یکی از این مدلها، استفاده از بازاریابی در شبکه های اجتماعی مختلف برای تبلیغ موثر و هدفمند میباشد. شبکه های اجتماعی به عنوان ساختارهای اجتماعی ساخته شده از گره ها میباشند که معمولاافراد یا سازمانها به وسیله یک یا چند نوع خاص ارتباط، مثل تبادلات مالی، دوستی، تجارت، احساسات، سرگرمیها و عادات بهم مرتبط میشوند. بدین منظور جهت انجام تبلیغات موثر و هدفمند در شبکه های اجتماعی، باید به دنبال افرادی باشیم که در آن شبکه از قدرت نفوذ و تاثیرگذاری بسزایی برخودار هستند.از آن جا که ممکن است کاربرانی برای مدتی فعالیت زیادی در شبکه های اجتماعی داشته باشند و به فرد محبوبی در شبکه اجتماعی تبدیل شده باشند اما بعد از مدتی به هر دلیلی از فعالیت در شبکههای اجتماعی خودداری کنند و دیگر گزینهی مناسبی جهت انجام تبلیغات نباشند، از این رو پارامتر زمان، پارامتر کلیدی برای شناسایی افراد نفوذپذیر در بکه های اجتماعی محسوب می شود که تا به حال از تحقیقات مغفول مانده است. در این پایان نامه سعی داریم، با استفاده از یک الگوریتم جدید و با ترکیب پارامتر زمان، کاربرانی را جهت انجام تبلیغات موثر و به صرفه انتخاب کنیم که مستمراً و یا اخیرا در شبکه های اجتماعی، درحال فعالیت هستند.

نویسندگان

امیر نیازی

دانشجوی کارشناسی ارشد نرم افزار کامپیوتر، دانشگاه آزاد اسلامی واحد محلات

مرتضی رموزی

عضو هیات علمی گروه کامپیوتر، دانشگاه آزاد اسلامی واحد کاشان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • D. Gomez, J. Rui Figueira and A. Eusebio, Modeling centrality ...
  • M. del Pozo, C. Manuel, E. Gonzalez and G. Owen, ...
  • P. De Meo, E. Ferrara, G. Fiumara and A. Ricciardello, ...
  • M. Newman, A measure of betweennes centrality based _ random ...
  • T. Opsahl, Tore, F. Agneessens and J. Skvoretz, "Node centrality ...
  • S. Borgatti and M.Everett, "A Graph- Theoretic Perspective on Centrality". ...
  • D. Kempe, J. K , Maximizing the spread of influence ...
  • T. Opsahl, F. Agneessens and J. Skvoretz, Node centrality in ...
  • Nicolas Kourtellis and Tharaka Alahakoon and Ramanuja Simha and Adriana ...
  • UIrik Brandes, A Fast Algorithm for Streaming Betweennes Centrality networks, ...
  • Joseph J Pfeiffer III Jennifer Neville, Methods to determine node ...
  • Borgatti, B etweenmess centrality measures for directed graphs, Social Networks ...
  • anderson analytics, Anderson Analytics" Seven Social Network Segments, available online ...
  • نمایش کامل مراجع