دانلود ترجمه مقاله مدل هوش تجاری برای تحلیل رسانه های اجتماعی

1. مقدمه 2. کارهای مرتبط 3. روش تحقیق 4. مدل پیشنهادی 5. نتایج و بحث و بررسی 6. نتیجه گیری و کارهای آتی

رسانه های اجتماعی، بستری برای اشتراک گذاری اطلاعاتی است که امروزه همه بدانها علاقه دارند، زیرا تعدادی از امکاناتی که ارتباطات با همدیگر را برایمان آسانتر می سازد، اسناد را به اشتراک می گذارند، امکان چت دارند و حتی یک جامعه ایجاد می کنند. علاوه بر آن، می توانیم همچنین محتوای شبکه اجتماعی را با استفاده از چندین روش در داده کاوی تحلیل کنید، بگونه ای که می توانیم اطلاعات جدیدی برای تصمیم گیری بدست آوریم که می تواند مزیت هایی برای افراد و شرکت ها به ارمغان بیاورد. هدف این پژوهش، ایجاد یک تابلوی کنترلی هوش تجاری برای مشاهده عملکرد هر «موضوع»(Topic) یا کانال اخبار ارسال شده به حساب های رسانه های اجتماعی مانند فیس بوک و توئیتر است. عملکرد موضوعی در رسانه های اجتماعی، تعداد موضوعات (تاپیک ها) در مقالات ارسال شده به رسانه های اجتماعی است که لایک می خورند، اشتراک گذاشته می شوند، کامنت گذاری می شوند و غیره. برای اینکه بتوانیم موضوع یک پست اخبار در رسانه های اجتماعی را بفهمیم، از فنون دسته بندی متن مثل «بیز ساده» ، SVM و درخت تصمیم استفاده کردیم. نتایج مقایسه الگوریتم ها بدست آمدند و دریافته شد که بهترین دقت SVM برای پیاده سازی بعدی در انبار داده ها می باشد. در عین حال، داده های منبع (دیتاسورس های) تابلوی کنترلی (داشبورد) هوش تجاری، از انبارهای داده که از قبل ساخته شده بودند، تامین شدند. مقدمه: امروزه، رسانه های اجتماعی، یک امر عادی است که همه افراد حتی کودکان و نوجوانان تا بزرگسالان آنرا دارند. نه تنها فیسبوک و توئیتر، بلکه اکنون رسانه های اجتماعی با حضور LinkedIn، اینستاگرام، Path و Pintrest، پررنگ تر و قویتر شده است. نقش آنها که مشارکت، اشتراک گذاری و خلق محتوا، شامل وبلاگ، شبکه های اجتماعی، ویکی ها، فوروم ها (انجمن ها) و جهان های مجازی را برای کاربران ساده می کند، باعث شده که رسانه های اجتماعی بیشتر و بیشتر برای همه کاربران جذاب شود. این بوسیله آمارهای بدست آمده از smartinsights.com، که در آن نشان داده شده تعداد کاربران فعال فیسبوک به 59/1 میلیارد نفر ، توییتر به 320 میلیون نفر، اینستاگرام به 400 میلیون و غیره، رسیده، پررنگ تر و تقویت می شود. نتایج این آمارها نشان می دهد که فیسبوک در رتبه اول از نظر تعداد کاربران فعال را دارد.

Social media is a platform to share information that is very liked by everyone nowadays because some of the facilities that make it easier for us to communicate with each other, share documents, chat and even create a community. In addition, we can also analyze the content of social media by using several methods in data mining, so that we can get new the information to support decision making that can bring benefits to individuals and companies. The purpose of this research, to create a business intelligence dashboard to observe the performance of each Topic or channel of news posted to social media accounts such as Facebook and Twitter. Topical performance in social media is the number of Topics in articles posted to social media getting like, share, comment etc. To be able to know the Topic of a news post in social media, used some text classification techniques such as Naive Bayes, SVM and Decision Tree. The comparative results of the algorithms are taken which has the best accuracy of SVM for subsequent implementation in the data warehouse. Meanwhile, the business intelligence dashboard data source will be sourced from the data warehouses that have been made before. Introduction: Nowadays, social media is a natural thing that is owned by all circles either children, teenagers to adults. Not only Facebook and Twitter, social media now also enlivened with the presence of LinkedIn, Instagram, Path and Pinterest. Their role that makes it easy for its users to easily participate, share, and create content including blogs, social networks, wikis, forums and virtual worlds, making social media more and more attractive to all users. This is reinforced by statistics obtained smartinsights.com, where the number of active Facebook users reached 1.59 trillion, Twitter reached 320 million, Instagram reached 400 million, and so on. The results of these statistics show that Facebook ranks first as a social media with the most active users.