کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4937048 1434614 2017 18 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Introducing fuzzy like in social networks and its effects on advertising profits and human behavior
ترجمه فارسی عنوان
معرفی فازی در شبکه های اجتماعی و تاثیر آن بر سود تبلیغاتی و رفتار انسان
کلمات کلیدی
فازی مانند، سایت های شبکه اجتماعی، رسانه های اجتماعی، مثل سطح، سیستم پیشنهاد تبلیغات تعامل انسان و کامپیوتر،
ترجمه چکیده
امروزه بیش از دو میلیارد و 300 میلیون نفر از شبکه های اجتماعی استفاده می کنند. آگهی در شبکه های اجتماعی یک کسب و کار چند میلیارد دلاری است و پیش بینی می شود که تا سال 2019 شبکه های اجتماعی بیش از 70 میلیارد دلار درآمد سالانه تنها از تبلیغات داشته باشند. از سوی دیگر، نشان دادن تبلیغات مربوط به کاربران شبکه اجتماعی می تواند این درآمد را افزایش دهد. در این مقاله، روش های مختلفی برای نمایش تبلیغات مربوط به اعضای شبکه اجتماعی مورد بررسی قرار گرفته ایم. علاوه بر این، یک مفهوم جدید به نام فازی در شبکه های اجتماعی پیشنهاد شده است و بر این اساس، دو نوع الگوریتم و پیاده سازی معرفی شده است: فازی صریح و فازی مثلثی. الگوریتم فازی ناخواسته از تعامل موزیک کاربران استفاده می کند تا به طور ضمنی سطح مشابه خود را نشان دهند و تبلیغات مربوطه را به آنها نشان دهند. ما این الگوریتم را با انجام یک آزمایش دو مرحله ای در تبلیغات در یک شبکه اجتماعی تایید کردیم. نتایج مطالعه ما نشان می دهد که پیاده سازی فازی در شبکه های اجتماعی می تواند درآمد های اجتماعی را از تبلیغات افزایش دهد. علاوه بر این، ما اثرات مشابه فازی را بر رفتار انسان، با استفاده از الگوریتم صریح فازی مانند اجرای نوار فازی مانند نوارهای پروفایل کاربران کاربران شبکه، مورد بررسی قرار داده ایم. نتایج آزمایش نشان می دهد مردان بیشتر از فاز استفاده می کنند از زنان و فازی مانند آن ها کمتر در جوانان محبوب است و محبوب ترین افراد بزرگسال و سالخورده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Today, over two billion and 300 million people are using social networks. Advertisement in social networks is a multibillion dollar business and it is projected that by the year 2019 social networks will have over 70-billion-dollars income annually only from advertisement. On the other hand, showing relevant advertisements to social network users, can increase this revenue. In this paper, we have reviewed different methods for showing relevant advertisement to social network members. Furthermore, a novel concept called fuzzy like in social networks has been proposed and based on that, two types of algorithms and implementation are introduced: explicit fuzzy like and implicit fuzzy like. Implicit fuzzy like algorithm uses mouse interaction of users to implicitly realize their like level and show relevant advertisements to them. We have validated this algorithm by performing a two-step experiment on advertisement in a social network. Our study results show that implementing fuzzy like in social networks can improve social networks revenue from advertisement. Besides, we have studied fuzzy like effects on human behavior, using explicit fuzzy like algorithm by implementing fuzzy like bar in social network users' profile pages. Experiment results show that men are more likely to use fuzzy like than women and fuzzy like is less popular with young people and it is most popular with adults and old people.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers in Human Behavior - Volume 77, December 2017, Pages 282-293
نویسندگان
, , , ,