مقاله انگلیسی رایگان در مورد هویت وجودی کالای تجارت الکترونیک – اسپرینگر ۲۰۱۷

springer

 

مشخصات مقاله
ترجمه عنوان مقاله هویت وجودی کالای تجارت الکترونیک بر مبنای مدل احتمال سلسله مراتبی
عنوان انگلیسی مقاله Electronic commerce commodity entity identities based on hierarchical probability model
انتشار مقاله سال ۲۰۱۷
تعداد صفحات مقاله انگلیسی ۸ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه اسپرینگر
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) scopus – master journals – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۱٫۶۰۱ (۲۰۱۷)
شاخص H_index ۳۱ (۲۰۱۷)
شاخص SJR ۰٫۳۷۴ (۲۰۱۷)
رشته های مرتبط مدیریت
گرایش های مرتبط تجارت الکترونیک
نوع ارائه مقاله
ژورنال
مجله / کنفرانس محاسبه خوشه ای – Cluster Computing
دانشگاه School of Computer – Qinghai Nationalities University – China
کلمات کلیدی مدل احتمال سلسله مراتبی، هویت وجودی، تجارت الکترونیک
کلمات کلیدی انگلیسی Hierarchical probability model, Entity identities, E-commerce
شناسه دیجیتال – doi
https://doi.org/10.1007/s10586-017-1437-8
کد محصول E9309
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract
۱ Introduction
۲ Related works
۳ Definition and description of the problem
۴ Index of commodity entities in large data
۵ Entity identity recognition based on hierarchical probability model
۶ Experiments
۷ Conclusion
References

 

بخشی از متن مقاله:
۱ Introduction

With the continuous development of e-commerce, e-commerce big data for the industry and academia has brought valuable opportunities and challenges [1]. E-commerce in bringing convenience to people’s life and work at the same time, more people is able to look forward to in-depth discovery and excavation of more valuable information and knowledge. Automatic identification of all web pages that describe the same commodity entity from a variety of electronic commerce data sources is the basis for data integration and data analysis. But the multi-source heterogeneous e-commerce data has a huge number of types of goods, different modes, uneven data quality, and diverse website structure characteristics of clutter. It lacks a unified model definition and theoretical model. These have greatly influenced the analysis and application of large data of electronic commerce. In this paper, a hybrid framework is proposed based on Map-Reduce architecture, which is based on data index, data integration, entity recognition and data ordering. In the big data environ ment the entity recognition is achieved by machine learning. Output to meet the same data sets and related attributes, and to sort. This research can be applied to the data fusion, data search and personalized recommendation in the electronic commerce environment.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *