مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227A Novel Multi-Step Ahead Demand Forecasting Model Based on Deep Learning Techniques and Time Series Augmentationمدل جدید پیش بینی چند گامی تقاضا با استفاده از روش‌های یادگیری عمیق و تکنیک‌های داده‌افزایی سری زمانی113faحسینعباسی مهردانشگاه شهید مدنی آذربایجان0000000186155553رضاپاکیدانشگاه شهید مدنی آذربایجان2021910In a business environment where there is fierce competition between companies, accurate demand forecasting is vital. If we collect customer demand data at discrete points in time, we obtain a demand time series. As a result, the demand forecasting problem can be formulated as a time series forecasting task. In the context of time series forecasting, deep learning methods have demonstrated good accuracy in predicting complex time series. However, the excellent performance of these methods is dependent on the amount of data available. For this purpose, in this study, we propose to use time series augmentation techniques to improve the performance of deep learning methods. In this study, three new methods have been used to test the effectiveness of the proposed approach, which are: 1) Long short-term memory, 2) Convolutional network 3) Multihead self-attention mechanism. This study also uses a multi-step forecasting approach that makes it possible to predict several future points in a forecasting operation. The proposed method is applied to the actual demand data of a furniture company. The experimental results show that the proposed approach improves the forecasting accuracy of the methods used in most different prediction scenarios در یک محیط تجاری که رقابت سختی بین شرکت‌ها وجود دارد، پیش‌بینی دقیق تقاضا یک امر مهمی است. اگر داده‌های مربوط به تقاضای مشتری را در نقاط گسسته‌ای از زمان جمع‌آوری کنیم، یک سری زمانی تقاضا به دست می‌آید. درنتیجه، مسئله پیش‌بینی تقاضا به عنوان یک مسئله پیش‌بینی سری‌های زمانی فرموله می‌شود. در زمینه پیش‌بینی سری‌های زمانی، روش‌های یادگیری عمیق دقت مناسبی در پیش‌بینی سری‌های زمانی پیچیده داشته‌اند. با این وجود عملکرد خوب این روش‌ها به میزان داده‌های در دسترس وابسته است. بدین منظور در این مطالعه استفاده از تکنیک‌های داده‌افزایی سری زمانی در کنار روش‌های یادگیری عمیق پیشنهاد می‌شود. در این مطالعه سه روش نوین جهت تست کارایی رویکرد پیشنهادی به کار گرفته شده است که عبارت اند از: 1) حافظه کوتاه مدت طولانی، 2) شبکه کانولوشنی 3) مکانیزم خودتوجه چندسر. همچنین در این مطالعه رویکرد پیش‌بینی چندگامی به کار گرفته می‌شود که امکان پیش‌بینی چند نقطه آینده را در یک عمل پیش‌بینی به وجود می‌آورد. روش پیشنهادی بر روی داده واقعی تقاضای یک شرکت مبلمان اعمال شده است. نتایج آزمایش‌ها نشان می‌دهد که رویکرد پیشنهادی باعث بهبود دقت پیش‌بینی روش‌های به‌کار گرفته شده در اکثر حالات مختلف پیش‌بینی می‌شود.سری زمانی، یادگیری عمیق، حافظه طولانی کوتاه-مدت، شبکه کانولوشنی، مکانیزم خودتوجه چندسرhttp://jour.aicti.ir/fa/Article/Download/41374
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227Improving polarity identification in sentiment analysis using sarcasm detection and machine learning algorithms in Persian tweetsبهبود شناسایی قطبش در تحلیل احساسات به کمک طعنه کاوی و الگوریتمهای یادگیری ماشین در توییت های فارسی1423faشقايقحاجی عبداللهدانشگاه آزاد اسلامی- واحد علوم و تحقيقات ميترا ميرزارضايي-Mir MohsenPedram-20211113Sentiment analysis is a branch of computer science and natural language processing that seeks to familiarize machines with human emotions and make them recognizable. Both sentiment analysis and sarcasm which is a sub-field of the former, seek to correctly identify the hidden positive and negative emotions of the text. The use of sarcasm on social media, where criticism can be exercised within the context of humor, is quite common. Detection of sarcasm has a special effect on correctly recognizing the polarization of an opinion, and thus not only it can help the machine to understand the text better, but also makes it possible for the respective author to get his message across more clearly. For this purpose, 8000 Persian tweets that have emotional labels and examined for the presence or absence of sarcasm have been used. The innovation of this research is in extracting keywords from sarcastic sentences. In this research, a separate classifier has been trained to identify irony of the text. The output of this classifier is provided as an added feature to the text recognition classifier. In addition to other keywords extracted from the text, emoticons and hashtags have also been used as features. Naive Bayes, support vector machines, and neural networks were used as baseline classifiers, and finally the combination of classifiers was used to identify the feeling of the text. The results of this study show that identifying the irony in the text and using it to identify emotions increases the accuracy of the results.تحلیل احساسات یا نظرکاوی شاخه ای از علوم کامپیوتر و پردازش زبان طبیعی است که سعی دارد ماشین و هوش مصنوعی را با احساس و عواطف انسانی آشنا سازد.طعنه کاوی نیز از زیرشاخه های تحلیل احساسات است و هر دو بدنبال تشخیص صحیح احساسات مثبت و منفی نهفته در متن هستند. استفاده از طعنه در شبکه های اجتماعی بسیار مرسوم است، زیرا به این طریق می-توان انتقاد را با زبان طنز انجام داد. آشکارسازی طعنه در تشخیص درستی قطبش یک نظر، تاثیر به خصوصی دارد و می تواند به فهم متن توسط ماشین کمک کند و منظور نویسنده متن، شفاف تر فهمیده شود. به اين هدف، 8000 توییت فارسی که بر چسب احساس دارند و از لحاظ وجود يا عدم وجود طعنه بررسی شده‌اند، مورد استفاده قرار گرفته است. نوآوری اين پژوهش در استخراج کلمات کلیدی از جملات طعنه دار است که باعث ایجاد طعنه و کنایه شده اند. در اين پژوهش دسته‌بند مجزايي برای شناسايي طعنه در متن‌ طراحی و اموزش داده شده است و سپس خروجی های اين رده‌بند به عنوان ويژگی افزوده در اختيار دسته‌بند شناسايي احساس متن قرار می گيرد. همچنین علاوه بر بقيه کلمات کليدی استخراج شده از متن از شکلک ها و هشتگ های موجود در متن نیز به عنوان ویژگی استفاده شده است. دسته‌بندهای بیز، ماشین بردار پشتیبان و شبکه عصبی به عنوان دسته‌بندهای پايه استفاده شده‌اند و در نهايت از ترکيب دسته‌بندها در شناسايي احساس متن استفاده شد. نتايج اين پژوهش نشان می‌دهد که شناسايي طعنه موجود در متن و استفاده از آن در شناسايي احساس دقت نتايج را افزايش می‌دهد.تحلیل احساس، نظرکاوی، طعنهکاوی، توییتر، ترکيب دسته‌بندهاhttp://jour.aicti.ir/fa/Article/Download/41375
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227Modeling and evaluation of RPL routing protocol by colored Petri netsمدلسازی و ارزیابی پروتکل مسیر¬یابی RPL به ¬وسیله شبکه های پتری رنگی2437faمحمدپیشدارمهندس فناوری اطلاعاتیونسسیفیپژوهشگاه ارتباطات و فناوری اطلاعات2021712The Internet of Things (IoT) is a novel and widely used idea aimed at connecting objects through communication technologies. The problem of the prior technology adaptation has always been one of the most challenging issues in this area over the years. The Recognition of Prior Learning (RPL) protocol has been proposed by scientists since 2012 as a solution for IoT routing. This protocol has been utilized by many researchers and hardware companies in the field of the mentioned technology. The present study evaluates RPL behavior from the perspective of the existence of stopping conditions, crossing multiple routes from a special route (loop conditions), and how it reacts to different inputs, while presenting a modular and readable model of this protocol.اینترنت اشیا یک ایده جدید و پرکاربرد با هدف اتصال اشیاء از طریق فناوری های ارتباطی است. مشکل سازگاری با فناوری پیشین در طول سال‌های گذشته همواره یکی از چالش‌برانگیزترین موضوعات این حوزه بوده است. پروتکل RPL از سال 2012 به عنوان راه‌حلی برای مسیریابی اینترنت اشیاء توسط دانشمندان مطرح گردید. این پروتکل تا کنون مورد استفاده بسیاری از محققان و شرکت‌های تولیدی سخت‌افزاری در حوزه فناوری مذکور قرار گرفته‌ است. پژوهش جاری ضمن ارائه یک مدل ماژولار و خوانا از پروتکل RPL به ارزیابی رفتاری آن از منظر‌ وجود شرایط توقف، عبور چند باره ییام از یک مسیر خاص (شرایط حلقه)، و چگونگی واکنش در برابر ورودی های مختلف می‌پردازد.شبکه های پتری رنگی ، IOT و اینترنت اشیا ، پروتکل مسیریابی RPLhttp://jour.aicti.ir/fa/Article/Download/41376
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227The Effect of ICT Development on Economic and Political Risk: A Cross Country Studyاثر گسترش فناوری اطلاعات و ارتباطات بر ریسک اقتصادی و سیاسی: مطالعه بين کشوری3759faامیرحسینمزینیعضو هيات علمي دانشگاه تربيت مدرس0000-0002-3536-4328سجاد فرجی دیزجی تربیت مدرسحسينكريميدانشگاه تربيت مدرس2021917Today, information and communication technology has influenced all areas of human life, including economics and politics. In research on the effects of information and communication technology, its effects on economic risk and political risk have not been considered so far. Therefore, this study has examined the effect of ICT development on economic and political risk for three selected groups of developed, developing, and OPEC countries in the period 2007- 2019. The panel data method was used to estimate the model. Based on the model estimation results for all sample countries, the deployment of information and communication technology reduces economic and political risk; But the results are different for each group. As the development of information and communication technology in selected OPEC members and developing countries increases economic risk; But in developed countries, it reduces economic risk. Also, in OPEC member countries, no significant relationship was found between ICT and political risk, and in selected developed and developing countries, ICT increases political risk.امروزه فناوری اطلاعات و ارتباطات در تمامی حوزه‌های زندگی بشر از جمله اقتصاد و سیاست ورود پیدا کرده‌است و تأثیرات فراوانی برجای گذاشته‌است. در پژوهش‌های انجام شده در زمینۀ اثرات فناوری اطلاعات و ارتباطات، به اثرات آن بر ریسک اقتصادي و ریسک سیاسی توجهي نشده‌است؛ لذا این پژوهش اثر گسترش فناوری اطلاعات و ارتباطات را بر ریسک اقتصادي و سیاسی برای سه گروه از کشورهای منتخب توسعه‌یافته، درحال توسعه و عضو اوپک در دورۀ زمانی 2018-2007 بررسی کرده‌است. براي برآورد مدل از روش پانل دیتا استفاده شده‌است. براساس نتایج برآورد مدل برای تمامی کشورهای نمونه، گسترش فناوری اطلاعات و ارتباطات باعث کاهش ریسک اقتصادی و سیاسی می‌شود؛ اما به تفکیک در هریک از گروه‌ها، نتایج متفاوت می‌شود. بطوریکه گسترش فناوری اطلاعات و ارتباطات در کشورهای منتخب عضو اوپک و درحال‌توسعه باعث افزایش ریسک اقتصادی می‌گردد؛ اما در کشورهای توسعه‌یافته باعث کاهش ریسک اقتصادی می‌شود. همچنین در کشورهای عضو اوپک رابطۀ معناداری بین فناوری اطلاعات و ارتباطات و ریسک سیاسی یافت نشد و در کشورهای منتخب توسعه‌یافته و درحال‌توسعه گسترش فناوری اطلاعات و ارتباطات باعث افزایش ریسک سیاسی می‌شود.فناوری اطلاعات و ارتباطات، ریسک اقتصادی، ریسک سیاسی، اوپک، كشورهاي درحال توسعه و توسعه‌یافتهhttp://jour.aicti.ir/fa/Article/Download/41377
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227Increasing Total Throughput, Reducing Outage to Zero, and Reducing Power Consumption in a Cellular Networkافزایش مجموع گذردهی و به صفر رساندن رد درخواست در یک شبکه سلولی6377faمحسنسیدی سارویدانشجو دکترا دانشگاه آزاد اسلامی واحد قممحمدرضابینش مروستیدانشگاه خوارزمیسیده لیلیمیرطاهریدانشگاه خوارزمی سید امیر اصغریدانشگاه خوارزمی2021919Quality assurance of providing remote services in cellular networks necessitates attention to significant criteria such as throughput, power consumption, and interference in these networks. Accordingly, this paper presents a framework for optimizing these criteria by assuming a limited transmission capacity for mobile nodes in a wireless cellular network as limitations in the transmission capacity often exist both in terms of hardware, battery limitations, and regulatory rules in the real world. In presenting this framework, a new idea was proposed once the existing methods were examined and their advantages and disadvantages were compared, respectively. After the formula was proved, the idea's simulation steps were performed via MATLAB. Present methods either increased the throughput by assuming unlimited transmission power or prevented some nodes from accessing the communication service. The simulation results showed that the proposed algorithm reduced the power consumption of mobile nodes in the network by a quarter in addition to increasing the throughput by 27%, and further operated in a way that no node would lose communication serviceتضمین کیفیت ارائه سرویس های از راه دور در شبکه های سلولی، نیازمند توجه به معیارهای مهمی مانند گذردهی، مصرف توان و تداخل در این شبکه هاست. از آنجاییکه همیشه محدودیت در توان ارسال چه از نظر محدودیت های سخت افزاری و باتری و چه از نظر قوانین رگولاتوری در دنیای واقعی وجود دارند، در این مقاله یک چارچوب برای بهینه ساختن این معیارها با فرض محدودیت توان ارسال گره-های متحرک در یک شبکه سلولی بی سیم ارائه می گردد.. برای ارائه این چارچوب، ابتدا بعد از مطالعه روش های موجود و مقایسه معایب و مزایای آنها، یک ایده جدید مطرح شد و بعداز اثبات فرمولی این ایده، مراحل شبیه سازی آن در نرم افزار متلب انجام گردید. روش هایی که تاکنون ارائه شده بودند، یا با فرض نامحدود بودن توان ارسال، گذردهی را افزایش می دادند و یا باعث عدم دستیابی برخی از گره ها به سرویس ارتباطی می شدند. نتایج حاصل از شبیه سازی نشان می دهد که الگوریتم پیشنهادی، علاوه بر افزایش 27 درصدی گذردهی، مصرف توان گره های متحرک در شبکه را هم به یک چهارم کاهش می دهد و همچنین به شکلی عمل میکند تا هیچ گره ای، سرویس ارتباطی خود را از دست ندهد.شبکه سلولی، گذردهی، مصرف توان، رد درخواستhttp://jour.aicti.ir/fa/Article/Download/41378
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227Synthesizing an image dataset for text detection and recognition in imagesساخت مجموعه داده تصاویر برای تشخیص و بازشناسی متن در تصاویر7895fa فاطمهعلی مرادیپژوهشگر پژوهشگاه ارتباطات و فناوری اطلاعاتفرزانهرحمانیپژوهشگر پژوهشگاه ارتباطات و فناوری اطلاعاتلیلاربیعیپژوهشگر پژوهشگاه ارتباطات و فناوری اطلاعاتمحمدخوانساریدانشگاه تهران0000-0001-5123-346Xمجتبیمازوچیپژوهشگاه ارتباطات و فناوری اطلاعات20211128Text detection in images is one of the most important sources for image recognition. Although many researches have been conducted on text detection and recognition and end-to-end models (models that provide detection and recognition in a single model) based on deep learning for languages such as English and Chinese, the main obstacle for developing such models for Persian language is the lack of a large training data set. In this paper, we design and build required tools for synthesizing a data set of scene text images with parameters such as color, size, font, and text rotation for Persian. These tools are used to generate a large still varied data set for training deep learning models. Due to considerations in synthesizing tools and resulted variety of texts, models do not depend on synthesis parameters and can be generalized. 7603 scene text images and 39660 cropped word images are synthesized as sample data set. The advantage of our method over real images is to synthesize any arbitrary number of images, without the need for manual annotations. As far as we know, this is the first open-source and large data set of scene text images for Persian language.تشخیص متن در تصاویر از مهم ترین منابع تحلیل محتوای تصاویر است. گرچه در زبان هایی همچون انگلیسی و چینی، تحقیقاتی در زمینه تشخیص و بازشناسی متن و ارائه مدله ای انتها به انتها (مدل هایی که تشخیص و بازشناسی در یک مدل واحد ارائه می شود) مبتنی بر یادگیری عمیق انجام شده است، اما برای زبان فارسی مانعی بسیار جدی برای توسعه چنین مدلهایی وجود دارد. این مانع، نبود مجموعه داده آموزشی با تعداد بالا برای مدلهای مبتنی بر یادگیری عمیق است. در این مقاله، ما ابزارهای لازم برای ساخت مجموعه داده تصاویر متن منظره با پارامترهایی همچون رنگ، اندازه، فونت و چرخش متن طراحی و ایجاد می کنیم. از این ابزارها برای تامین داده بزرگ و متنوع برای آموزش مدل های مبتنی بر یادگیری عمیق استفاده می شود. به کمک این ابزارها و تنوع تصاویر ساخته شده، مدل ها به نوع خاصی از این پارامترها وابسته نمی شوند و سبب جامعیت مدل ها می شود. 7603 تصویر متن منظره و 39660 تصویر کلمات بریده شده، ساخته شده است. مزیت روش ما نسبت به تصاویر واقعی، ساخت تصاویر به تعداد دلخواه و بدون نیاز به حاشیه نویسی دستی می باشد. طبق بررسی ما، این اولین مجموعه داده تصاویر متن منظره فارسی به صورت آزاد و با تعداد بالا است.تشخیص متن، بازشناسی متن، تصاویر متن منظره، مجموعه داده متن منظره فارسی، یادگیری عمیقhttp://jour.aicti.ir/fa/Article/Download/41379
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227An Intelligent Pricing System for Cloud Services aims at Increasing Implementation Simplicity and Flexibilityیک سیستم هوشمند قیمت گذاری سرویس های ابری با هدف افزایش سادگی در پیاده سازی و انعطاف پذیری96110faمحبوبهزندیهگروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد تهران شمال، تهران، ایران سپیده آدابیدانشگاه آزاد اسلامی واحد تهران شمالسمانهیزدانیگروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد تهران شمال، تهران، ایران202193Most of the previous pricing models for cloud resources which are defined based on auction suffer from high implementation complexity in real cloud environments. Therefore, the main challenge for researchers is to design dynamic pricing models that can achieve three goals: 1) low computation complexity, 2) high accuracy, and 3) high implementation simplicity in real cloud environments. CMM (Cloud Market Maker) is one of the most popular dynamic pricing models that has two advantages of computation accuracy and the possibility to implement in the real cloud environments. This model calculates the bid price based on a linear function. In designing this linear function, the parameters: buyer’s urgency, number of competitors and number of opponents are considered. Despite the advantages of this pricing function, the importance ratio of the constructor parameters of it is considered the same in various market conditions. Ignoring this issue reduces both system flexibility and computation accuracy in tangible changes in the cloud market. Therefore, the authors of this paper focus on designing a new cloud market-aware intelligent pricing system (which developed in customer side of the market) to tackle the mentioned problem. At the same time, high implementation simplicity of the proposed system should be guaranteed. For this purpose, an agent-based intelligent pricing system by combining support vector machine (SVM) and hierarchical analysis process (AHP) techniques is proposed. Simulation results show the better performance of the proposed solution which is named as DPMA in comparison to CMM.اکثر مدلهایِ پیشین مبتنی بر حراج در قیمت گذاریِ منابع ابری، از پیچیدگی بالای پیاده سازی در محیطهای ابر واقعی رنج می برند. لذا، چالش اصلی محققین طراحی مدل های قیمت گذاری پویایی است که بتوانند سه هدف زیر را تامین کنند: 1) پیچیدگی های محاسباتی پایین، 2) دقت بالا، و 3) سادگیِ پیاده سازی در محیط ابر واقعی. CMM (Cloud Market Maker) یکی از مدلهای قیمت گذاری پویایِ محبوبی است که دو مزیتِ دقت محاسباتی و امکان اجرایی شدن در بازار واقعی ابر را دارد. این مدل بر پایه یک تابع خطی، قیمت پیشنهادی را محاسبه می کند. در طراحی این مدل خطی پارامترهای: فوریت خریدار، تعداد رقیبان و تعداد حریفان لحاظ شده اند. علی رغم مزایای این روش، نسبت اهمیت پارامترهای سازندۀ تابع محاسبه کننده قیمت در شرایط گوناگون بازار یکسان در نظر گرفته شده است. عدم توجه به این مساله، انعطاف پذیری سیستم و دقت محاسبات در تغییرات محسوسِ محیط بازار ابر را کاهش می دهد. لذا، نویسندگان در این مقاله بر روی طراحی یک سیستم هوشمند قیمت گذاریِ آگاه از بازار در سمت خریدارانِ سرویس ابری با هدف غلبه بر این مشکل متمرکز شده اند. در عین حال، سادگی پیاده سازیِ سیستم پیشنهادی در محیط ابر واقعی نیز می بایست تضمین شود. برای این منظور، سیستم هوشمند قیمت گذاری مبتنی بر عامل نرم افزاری با ترکیب راهکارهای ماشین بردار پشتیبان (SVM ) و فرآیند تحلیل سلسله مراتبی(AHP ) پیشنهاد شده است. نتایج شبیه سازی نشاندهندۀ کارایی مناسبتر راهکار پیشنهادی با نام DPMAدر در مقایسه با CMM است.محاسبات ابری، حراج، تخصیص منبع، SVM، AHP، بهره وری، نرخ موفقیتhttp://jour.aicti.ir/fa/Article/Download/41380
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227E-Government Service Supply Chain: Identifying Performance Evaluation Indicators (Case Study of e-Customs System in Iran)زنجیره ‌تأمين خدمات دولت الکترونیک: شناسایی شاخص‌های ارزیابی عملکرد(مورد مطالعه سامانه گمرک الکترونیکی در ایران)111139faجلال زارع-رزاهندیجانیهیات علمی2021821Today, many governments around the world are increasingly leveraging advances in information and communication technologies to provide electronic services to their citizens. But estimates indicate that e-government projects will fail miserably, both in part and in whole. Incomplete formation and poor supply chain performance are the most important reasons for the failure of these projects by researchers. Due to the fact that few studies have been conducted in the field of e-government service supply chain and its performance evaluation indicators, this study has studied the e-government service supply chain in Iran by studying the e-customs system. Also, using SMART criteria and ELECTRE I technique, it has identified the performance evaluation indicators of this chain. This study shows that just as the principles of e-supply chain in the manufacturing sector have been proposed by researchers, this concept can be generalized to the public service sector. The results also show that unlike previous studies on performance appraisal indicators, e-government service supply chain indicators have significant differences with traditional service supply chains.امروزه، بسیاری از دولت‌ها در سراسر جهان به طور فزاینده‌ای از پیشرفت‌های فناوری‌های اطلاعات و ارتباطات برای ارائه خدمات الکترونیکی به شهروندان خود بهره می‌گیرند. اما تخمین‌ها حاکی از میزان شکست بالای ‌پروژه‌های دولت الکترونیک چه به صورت جزئی و چه صورت کلی هستند. عدم تشکیل درست و عملكرد ضعیف زنجيره تأمين از مهمترين زمينه‌هاي شکست این پروژه‌ها توسط محققین ذکر شده است. با توجه به اینکه، مطالعات اندکی در زمینه زنجیره ‌تأمين خدمات دولت الکترونیک و شاخص‌های ارزیابی عملکرد آن انجام شده است، این پژوهش با مطالعه بر روی سامانه گمرک الکترونیکی در ایران، چگونگی زنجیره ‌تأمين خدمات دولت الکترونیک را مورد بررسی قرار داده است. همچنین با استفاده از معیارهای SMART و تکنیک ELECTRE I، به شناسایی شاخص‌های ارزیابی عملکرد این زنجیره پرداخته است. این پژوهش نشان می‌دهد همان طور که اصول زنجیره ‌تأمين الکترونیکی در بخش تولیدی توسط محققان ارائه شده است، این مفهوم قابل تعمیم در بخش خدمات دولتی نیز می‌باشد. همچنین نتایج حاکی از آن است که بر خلاف مطالعات قبلی در زمینه شاخص‌های ارزیابی عملکرد، شاخص‌های زنجیره ‌تأمين خدمات دولت الکترونیک دارای تفاوت‌های قابل ملاحظه ای با زنجیره ‌تأمين خدمات سنتی هستند.زنجیره ‌تأمين خدمات، دولت الکترونیک، سامانه گمرک الکترونیکی،SMART ، ELECTRE Ihttp://jour.aicti.ir/fa/Article/Download/41381
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227Three Dimensional Beamforming in Multi User Multi Antenna Cellular Networks with Randomly Distributed Usersشکل‌دهی پرتو سه بعدی در شبکه‌‌های مخابرات سیار چندآنتنی چند کاربره با توزیع تصادفی کاربران در شبکه140148faسید محمدرضوی زادهدانشگاه علم و صنعت ایراننسیممحمدیدانشگاه علم و صنعت ایران2021710In this paper, problem of using the 3D beamforming method (3DBF) in a multi-input-multi-output cellular communication network (MIMO) is discussed. The network consists of a cell with multiple users, in which users are distributed based on the Poisson point (PPP) process at the cell area, which is closer to the conditions in a real mobile network. In this case, the number of users inside the cell and their location will be random. Depending on the distribution of users in the space and the difference in their distance from the base station, their elevation angles will also be different. Considering the downlink transmission and the zero-forcing (ZF) precoder in the base station, with the aim of eliminating intra cell interference, we evaluate and analyze the probability of coverage in the cell and then we obtain the best antenna tilt angle to achieve maximum probability of coverage. Using the analysis of numerical results, the accuracy of the calculations and the value of the optimal tilt angle of the antenna array are confirmed.در این مقاله به مساله استفاده از روش شکل دهی پرتو سه بعدی(3DBF) در یک شبکه مخابرات سلولی چند ورودی-چند خروجی (MIMO) پرداخته شده است. شبکه مورد نظر از یک سلول با چندین کاربر تشکیل شده است و در آن کاربران براساس فرآیند نقطه‌ای پواسون (PPP) در سطح سلول توزیع شده‌اند که به شرایط موجود در یک شبکه واقعی مخابرات سیار نزدیک تر می‌باشد. در این حالت تعداد کاربران درون سلول و موقعیت آنها تصادفی خواهد بود. با توجه به توزیع کاربران در محیط و تفاوت فاصله‌ی آنها از ایستگاه پایه، زوایای عمود (زاویه تیلت) آنها نیز متفاوت خواهد بود. با در نظر گرفتن ارسال فروسو و پیش‌کدکننده‌ی اعمال صفر (ZF) در فرستنده ایستگاه پایه با هدف حذف تداخل بین کاربران درون سلول، به بررسی و تحلیل احتمال پوشش در سلول پرداخته و سپس بهترین زاویه‌ی عمودی آنتن را برای دستیابی به بیشترین احتمال پوشش را به دست می‌آوریم. با استفاده از آنالیز نتایج عددی حاصل از روابط به دست آمده، دقت محاسبات و مقدار زاویه‌ی عمود بهینه آرایه آنتن مورد بررسی و تایید قرار می‌گیردشکلدهی پرتو سه بعدی، فرآیند نقطه‌ای پواسون، شبکه‌ی چندورودی-چند خروجی چند کاربره، احتمال پوششhttp://jour.aicti.ir/fa/Article/Download/41382
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227Stock market prediction using optimized grasshopper optimization algorithm and time series algorithmsپیش‌بینی بازار سهام با استفاده از الگوریتم بهینه‌سازی ملخ بهبود یافته و الگوریتم‌های سری زمانی149167faوحیدصفری دهنویصنعتی امیرکبیرمسعودشفیعیاستاد داشگاه صنعتی امیرکبیر0000-0002-1290-2226202175Stock market prediction serves as an attractive and challenging field for researchers in financial markets. Many of the models used in stock market prediction are not able to predict accurately or these models require a large amount of input data, which increases the volume of networks and learning complexity, all of which ultimately reduce the accuracy of forecasting. This article proposes a method for forecasting the stock market that can effectively predict the stock market. In this paper, the past market price is used to reduce the volume of input data and this data is placed in a regressor model.پیش‌بینی بازار سهام به عنوان یک زمینه جذاب و همچنین چالش برانگیز برای سرمایه گذاران در بازارهای مالی عمل می‌کند. بسیاری از مدل‌های مورد استفاده در پیش‌بینی بازار سهام قادر به پیش‌بینی دقیق نیستند یا این مدل‌ها نیاز به تعداد داده ورودی بسیار زیادی دارند که باعث افزایش حجم شبکه‌ها و پیچیدگی یادگیری می‌شود که همه این موارد در نهایت موجب کاهش دقت در پیش‌بینی می‌شود. این مقاله یک روش برای پیش‌بینی بازار سهام را پیشنهاد می‌دهد که این روش قادر هست به طور موثر وضعیت بازار سهام را پیش‌بینی کند. در این مقاله، برای کاهش حجم داده‌های ورودی از قیمت گذشته بازار استفاده شده و این داده‌ها در یک مدل رگریسور قرار داده شده است. در این حالت، با ارایه یک روش مبتنی بر الگوریتم بهینه‌سازی ملخ بهبود یافته، تعیین می‌شود که داده‌های فعلی بازار بورس به کدام داده‌های قبلی وابسته هستند و با استفاده از داده‌های قبلی می‌توان داده جدید را پیش‌بینی کرد. برای پیش‌بینی سری زمانی نیز از روش‌های شبکه عصبی GMDH، شبکه نروفازی و شبکه عصبی استفاده شده است؛ به علاوه، در این مقاله از روش‌های متناسب‌سازی داده‌ها با استفاده از الگوریتم‌های مختلف استفاده شده است که این روش‌ها می‌توانند در پیش‌بینی بازار موثر باشند. در نهایت، از مجموعه داده شرکت تسلا برای اعتبارسنجی و تست الگوریتم‌های ارایه شده استفاده شده است و نتایج شبیه‌سازی در پایان آمده است. همانطور که در قسمت شبیه‌سازی نشان داده شده، با استفاده از الگوریتم بهینه‌سازی ملخ بهبود یافته، موثرترین خروجی‌ها برای پیش‌بینی ارزش سهام به دست آمده و در نهایت با استفاده از چند حالت مختلف پیش‌بینی انجام شده و نتایج روش‌های مختلف مورد مقایسه قرار گرفته و ارزیابی بر اساس معیار خطای میانگین مربع (RMSE) انجام شده است. مدل پیشنهادی پیش بینی بازار سهام دارای حداقل RMSE=4.05 است که نشان دهنده اثربخشی روش پیشنهادی در پیش بینی بازار سهام است. نتایج نشان می‌دهد که در بین الگوریتم‌های ارایه شده مربوط به پیش‌بینی سری زمانی، شبکه GMDH با الگوریتم ترکیبی ارایه شده، بهترین نتیجه را در بر داشته است.پیش‌بینی، الگوریتم بهینه‌سازی ملخ بهبود یافته، شبکه عصبی GMDH، پیش‌بینی، مدل‌سازیhttp://jour.aicti.ir/fa/Article/Download/41383
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227Power Efficient allocation in C-RAN with Multi access technology selection approachتخصیص کارای توان الکتریکی در شبکه های دسترسی رادیویی ابری با رویه انتخاب فناوری168188fa علی اصغر انصاریدانشگاه صنعتی شیرازمحسناسلامیاستادیار دانشگاهمحمد جواددهقانیهیات علمیسعیدهپارسایی فرددانشگاه تورنتو2021718: In this paper, we consider an uplink economy-efficient resource allocation in a multicellular virtual wireless network with a C-RAN architecture where a MNO interacts with a number of MVNOs with a predetermined business model. In each cell of this system, two types of multiple access technologies, namely OFDMA and Massive MIMO, are available for MVNO at two different prices. In this setup, we propose a multi access technology selection approach (MATSA) with the objective to reduce operating costs and maximize the profit of the MVNOs subject to a set of constraints, and formulate this resource allocation problem with the new utility function. Due to the existence of continuous and binary variables in the formulated optimization problem and also the interference between cells in data rate functions, this optimization problem will be non-convex with very high computational complexity. To tackle this problem, by applying the complementary geometric programming (CGP) and the successive convex approximation (SCA), an effective two-step iterative algorithm is developed to convert the optimization problem into two sub problems with the aim to find optimum technology selection and power consumption parameters for each user in two steps, respectively. The simulation results demonstrate that our proposed approach (MATSA) with novel utility function is more efficient than the traditional approach, in terms of increasing total EE and reducing total power consumption. The simulation results illustrate that the profit of the MVNOs is enhanced more than 13% compared to that of the traditional approach.در این مقاله، ما یک روش تخصیص بهره ور منابع با رویکرد اقتصادی را که در آن یک MNO با تعدادی از MVNO ها با یک مدل تجاری از پیش تعیین شده در تعامل هستند را بر مسیر فراسو یک شبکه بی سیم مجازی چند سلولی با معماری C-RAN در نظر می‌گیریم. در هر سلول از این شبکه، دو نوع فناوری، شامل OFDMA و Massive MIMO با قیمت‌های متفاوت برای عرضه به MVNOها توسط MNOموجود می‌باشد. روش پیشنهادی در واقع رویه انتخاب مناسب فناوری دسترسی چندگانه (MATSA) از میان دو نوع فناوری فوق با هدف کاهش هزینه های عملیاتی و به حداکثر رساندن سود MVNOs تحت یک مجموعه از قیود کمی و کیفی است. فرمول بندی این روش از تخصیص منابع، با یک تابع مطلوب جدید ارائه شده است. با توجه به وجود متغیرهای پیوسته و دودیی در مساله و همچنین تداخل بین سلولی در توابع نرخ داده، این مساله بهینه سازی از نوع غیر محدب با پیچیدگی محاسباتی بسیار بالا خواهد بود. برای حل این مساله، با استفاده از برنامه نویسی هندسی مکمل (CGP) و تقریب محدب متوالی (SCA)، یک الگوریتم تکرار شونده دو مرحله ای موثر برای تبدیل مساله بهینه سازی به دو زیر مساله برای یافتن فناوری و هزینه بهینهِ هر کاربر را توسعه داده‌ایم. نتایج شبیه سازی نشان می دهد که روش پیشنهادی ما (MATSA) از نظر افزایش کل بهره‌وری انرژی، کارآمدتر از سیستم‌های مجهز با یک نوع فناوری است بطوری که سود MVNO ها بیش از 13 درصد در مقایسه با قبل افزایش یافته است. Multi access technology selection approach(MATSA) C-RAN OFDMA and Massive MIMOhttp://jour.aicti.ir/fa/Article/Download/41384
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227Design and fabrication of the E-field probe for the measurement of the electromagnetic fields in 5G frequency bandطراحی و ساخت پراب اندازه‌گیری و پایش پیوسته شدت تشعشعات میدان های الکتریکی در اولین پایلوت نسل پنجم شبکه های ارتباطی ایران190199fa رضا بحریپژوهشگاه ارتباطات و فناوری اطلاعاتمهدیفسنقریپژوهشگاه ارتباطات و فناوری اطلاعات (مرکز تحقیقات مخابرات ایران)احمدرضااسکندریدانشگاه آزاد اسلامی، واحد تهران شرقوحیدیزدانیانپژوهشگاه ارتباطات و فناوری اطلاعات2021710In this paper, a device for measuring the electric fields intensity in the environment is designed and presented in the 5G frequency band, including the frequency range of 3400 ~ 3600 MHz. This device, called the 5G electric probe, is realized by three orthogonal antennas, in connection to filter circuits and power detectors. The proposed antenna is a strip monopole antenna, and these orthogonal antennas can receive the electric fields in all directions uniformly and isotropically. The proposed filter is a coupled-line microstrip filter that has the ability to remove out-of-band signals. The proposed power detector is able to operate linearly over a wide dynamic range and convert the fields received from the antenna and filter sections to suitable DC voltages for digital processing. Finally, the designed 5G electric probe is fabricated and tested. The measurements confirm the proper operation of the probe in terms of dynamic range, accuracy, sensitivity, and the linearity and isotropicity of the received electric fields.در این مقاله، وسیلهای برای اندازهگیری شدت میدانهای الکتریکی موجود در محیط، در باند فرکانسی 5G شامل بازه فرکانسی 3400~3600 MHz، طراحی و ارائه میگردد. این وسیله که همان پراب الکتریکیِ 5G نامیده میشود، با استفاده از سه آنتن عمود برهم، به همراه مدارات فیلتر و آشکارسازِ توان، پیاده سازی میگردد. آنتنِ پیشنهادی یک آنتن تک-قطبیِ نواری بوده که این آنتنها در سه جهت عمود بر هم، قادر هستند میدانهای الکتریکی را در همه جهات بصورت یکنواخت و همسانگرد دریافت کنند. فیلترِ پیشنهادی از نوع فیلتر دو خط کوپل-شده مایکرواستریپ میباشد که توانایی حذف سیگنالهای خارج از باند را دارا میباشد. آشکارساز توانِ پیشنهادی، قادر است در رنج دینامیکی وسیعی، بصورت خطی عمل کرده و میدانهای دریافتی از بخش آنتن و فیلتر را به ولتاژهای مناسب جهت پردازش تبدیل کند. در نهایت، پرابِ طراحی شده ساخته میشود. اندازهگیریها، عملکرد مناسبِ پراب را از نظر رنج دینامیکی، دقت، حساسیت و میزان خطی بودن و ایزوتروپیک بودن میدانهای الکتریکیِ دریافتی، تأیید مینماید.پرابِ الکتریکی، 5G، آشکارسازِ توان، رنج دینامیکی، پایلوت نسل پنجم شبکه های ارتباطیhttp://jour.aicti.ir/fa/Article/Download/41385
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227A review of the application of meta-heuristic algorithms in load balancing in cloud computingمروری بر کاربرد الگوریتم‌های فراابتکاری در توازن بار در رایانش ابری200223faمهدیمرسلیدانشکده مهندسی برق،کامپیوتر و فناوری اطلاعات، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران0000000238533166ابوالفضلطرقی حقیقتدانشکده مهندسی برق، کامپیوتر و فناوری اطلاعات، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایرانساسانحسینعلی زادهپژوهشکده فناوری اطلاعات، پژوهشگاه ارتباطات و فناوری اطلاعات، تهران ، ایران.20211018By widespread use of cloud computing, the need to improve performance and reduce latency in the cloud increases. One of the problems of distributed environments, especially clouds, is unbalanced load which results in reducing speed and efficiency and increasing delay in data storage and retrieval time. Various methods for load balancing in the cloud environment have been proposed, each of which has addressed the issue from its own perspective and has its advantages and disadvantages. In this research, we first provide some criteria for measuring load balance in the cloud and then examine the use of Metaheuristic methods in load balancing in the cloud environment. After introducing Metaheuristic load balancing methods, we have compared them based on the aforementioned criteria and discussed the advantages and disadvantages of each. Ant Colony Algorithms, Artificial Ant Colony, Bee Colony, Artificial Bee Colony, Bee Foraging Algorithm, Particle Swarm, Cat Swarm, Simulated Annealing, Genetic Algorithm, Tabu Search, Fish Swarm and Hybrid Algorithms and etc. examined in this research.با گسترش استفاده از رایانش ابری نیاز به بهبود کارایی و کاهش تاخیر در ابر افزایش می‌یابد. یکی از مسائل محیط‌های توزیع شده و مخصوصا ابر، عدم توازن بار و در نتیجه کاهش سرعت و کارایی و افزایش تاخیر در زمان ذخیره و بازیابی اطلاعات می‌باشد. روش‌های مختلفی برای متوازن سازی بار در محیط ابر ارائه شده‌اند که هر کدام از منظری به موضوع پرداخته‌اند و مزایا و معایب خود را دارند. ما در این کار نخست معیارهایی برای سنجش توازن بار در ابر ارائه کرده‌ایم و سپس به بررسی کاربرد روش‌های فراابتکاری در متوازن سازی بار در محیط ابر پرداخته‌ایم. پس از معرفی روش‌های توازن بار فراابتکاری مختلف، آنها را براساس معیارهای مذکور باهم مقایسه کرده و به مزایا و معایب هر کدام پرداخته‌ایم. الگوریتم‌های کلونی مورچه، کلونی مورچه مصنوعی، کلونی زنبور، کلونی زنبور مصنوعی، جست‌وجوی غذای زنبور عسل، ازدحام ذرات، ازدحام گربه‌ها، تبرید شبیه‌سازی شده، الگوریتم ژنتیک، جست‌وجوی ممنوعه، الگوریتم دسته ماهی‌ها و الگوریتم‌های ترکیبی و ... در این کار بررسی شده‌اند.رایانش ابری توازن بار، روش‌های فراابتکاری، بیش‌باری ، کم‌باریhttp://jour.aicti.ir/fa/Article/Download/41386
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227An approach to prioritize quality dimensions of based on cloud computing using Multiple Criteria Decision Making methodاولویت بندی ابعاد کیفیت خدمات مبتنی بر رایانش ابری با روش تصمیم گیری چند معیاره224236faزهرا عباسیدانشگاه آزاد اسلامی، واحد تهران مرکزی سمیه فتاحیIranian Research Institute for Information Science and Technology (IRANDOC) محمدجوادارشادیپژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)0000-0002-7006-758020211010Today, quality is one of the most important factors in attracting customer satisfaction and loyalty to service organizations. Therefore, one of the main concerns of managers is to improve the quality of services. With the development of the Internet and the world of communications, a concept called cloud computing has expanded in the world of communications, which provides a new model for the supply, consumption and delivery of computing services. The purpose of this study is to make the optimal decision in choosing the appropriate cloud service according to the conditions of users so that they achieve the highest satisfaction. Fuzzy Delphi method, fuzzy hierarchical analysis method, fuzzy TOPSIS method and finally multi-criteria decision making method are the methods used in this research. The results of the fuzzy Delphi method show that the indicators of transparency, accessibility and reliability should be eliminated. The results of fuzzy hierarchical analysis identified the cost index as the most important index and the support index during demand as the least important index. According to the results of fuzzy TOPSIS based on the weights obtained from fuzzy hierarchical analysis, SAAS, IAAS and PAAS cloud services were ranked first to third, respectively. Using the SAAS service provides numerous benefits to employees and companies, such as reducing time and money spent on time-consuming tasks such as installing, managing, and upgrading software.امروزه کیفیت یکی از مهمترین عامل ها در جلب رضایت و وفاداری مشتریان برای سازمان های خدماتی است. بنابراین، یکی از دغدغه های اصلی مدیران بالابردن کیفیت خدمات است. با پیشرفت اینترنت و دنیای ارتباطات مفهومی به نام رایانش ابری در دنیای ارتباطات گسترش یافته است که الگویی تازه برای عرضه، مصرف و تحویل خدمات رایانشی را ارائه می کند. هدف از این پژوهش، تصمیم گیری بهینه در انتخاب سرویس ابری مناسب با توجه به شرایط کاربران است به نحوی که آنان به بالاترین رضایت برسند. روش دلفی فازی، روش تحلیل سلسله مراتبی فازی، روش تاپسیس فازی و در نهایت روش تصمیم گیری چندمعیاره روش های به کارگرفته شده در این پژوهش است. نتایج روش دلفی فازی نشان می دهد که شاخص‌های شفافیت، دسترسی و قابلیت اطمینان بایستی حذف شوند. نتایج تحلیل سلسله مراتبی فازی شاخص هزینه را به عنوان مهمترین شاخص و شاخص پشتیبانی در هنگام تقاضا را به عنوان کم اهمیت ترین شاخص شناسایی نمود. با توجه به نتایج تاپسیس فازی براساس وزن‌های حاصل از تحلیل سلسله مراتبی فازی نیز به ترتیب سرویس‌های ابری SAAS، IAAS و PAAS رتبه اول تا سوم را به خود اختصاص دادند. استفاده از سرویس SAAS مزایای بی شماری را از قبیل کاهش زمان و هزینه صرف شده جهت کارهای زمان گیر مانند نصب، مدیریت و ارتقاء نرم افزار برای کارمندان و شرکت‌ها فراهم می‌کند.رایانش ابری، روش دلفی فازی، تحلیل سلسله مراتب فازی، تاپسیس فازی، تصمیم گیری چندمعیارهhttp://jour.aicti.ir/fa/Article/Download/41387
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227Data-driven Marketing in Digital Businesses from Dynamic Capabilities Viewبازاریابی داده محور در کسب و کارهای دیجیتال از دیدگاه قابلیت های پویا237266faمائده امینی ولاشانیدانشگاه تهران ایوبمحمدیاندانشگاه تهرانسید محمدباقرجعفریدانشگاه تهران2021630Despite the enormous volume of data and the benefits it can bring to marketing activities, it is unclear how to use it in the literature, and very few studies have been conducted in this field. In this regard, this study uses dynamic capabilities view to identify the dynamic capabilities of data-driven marketing to focus on data in the development of marketing strategies, make effective decisions, and improve efficiency in marketing processes and operations. This research has been carried out in a qualitative method utilizing the content analysis strategy and interviews with specialists. The subjects were 18 professionals in the field of data analytics and marketing. They were selected by the purposeful sampling method. This study provides data-driven marketing dynamic capabilities, including; Ability to absorb marketing data, aggregate and analyze marketing data, the ability to data-driven decision-making, the ability to improve the data-driven experience with the customer, data-driven innovation, networking, agility, and data-driven transformation. The results of this study can be a step towards developing the theory of dynamic capabilities in the field of marketing with a data-driven approach. Therefore, it can be used in training and creating new organizational capabilities to use big data in the marketing activities of organizations, to develop and improve data-driven products and services, and improve the customer experienceزمینه و هدف: علیرغم حجم بسیار زیاد داده و فوایدی که استفاده از آن می تواند برای فعالیت های بازاریابی داشته باشد، هنوز نحوه بکارگیری آن در ادبیات پژوهش بصورت روشن مشخص نبوده و مطالعات بسیار محدودی در این زمینه انجام گرفته است. در این راستا ﭘﮋوﻫﺶ ﺣﺎﺿﺮ با بهره گیری از نظریه قابلیت های پویا به شناسایی قابلیت های پویای بازاریابی داده محور به منظور محوریت دادن به داده در شکل گیری راهبردهای بازاریابی، انجام تصمیم گیری های اثربخش و بهبود کارایی در فرایندها و عملیات بازاریابی پرداخته است. روش‌شناسی: این پژوهش به روش ﮐﯿﻔﯽ و ﺑﺎ اﺳﺘﺮاﺗﮋي تحلیل مضمون و بهره گیری از ﻣﺼﺎﺣﺒﻪ با متخصصان این حوزه، اﻧﺠﺎم گرفته است. افراد مورد مطالعه ﭘﮋوﻫﺶ تعداد 18 متخصص حرفه ای در زمینه تحلیل داده و بازاریابی ﺑﻮده اﻧﺪ ﮐﻪ ﺑﺎ روش ﻧﻤﻮﻧﻪﮔﯿﺮي ﻫﺪﻓﻤﻨﺪ اﻧﺘﺨﺎب ﺷﺪه اﻧﺪ. یافته‌ها: ﯾﺎﻓﺘﻪﻫﺎي این مطالعه ﻧﺸﺎن می دهد قابلیت های پویای بازاریابی داده محور شامل؛ قابلیت جذب داده های بازاریابی، قابلیت تجمیع و تحلیل گری داده های بازاریابی، قابلیت تصمیم گیری داده محور، قابلیت بهبود تجربه داده محور با مشتری، قابلیت نوآوری داده محور، قابلیت شبکه سازی، قابلیت چابکی و قابلیت ایجاد تحول داده محور می باشند. نتیجه‌گیری: نتایج این مطالعه می تواند گامی در جهت تکامل تئوری قابلیت های پویا در حوزه بازاریابی با رویکرد داده محوری باشد. از این رو می تواند در آموزش و ایجاد قابلیت های جدید سازمانی به منظور بکارگیری کلان داده در فعالیت های بازاریابی سازمان ها و توسعه و بهبود محصولات و خدمات داده محور و بهبود تجربه مشتریان مورد استفاده قرار گیردقابلیت های پویا، بازاریابی داده محور، تجزیه و تحلیل بازاریابی، کلان داده.http://jour.aicti.ir/fa/Article/Download/41388
مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-041114532023227A comprehensive survey on the influence maximization problem in social networksمروری جامع بر مسئله بیشینه‌سازی تأثیر در شبکه‌های اجتماعی267292fa محسنطاهری نیادانشکده کامپیوتر، دانشگاه آزاد اسلامی واحد کاشان، کاشان، ایرانمهدیاسماعیلیدانشکده کامپیوتر، دانشگاه آزاد اسلامی واحد کاشان، کاشان، ایرانبهروزمیناییدانشکده مهندسی کامپیوتر ، دانشگاه علم و صنعت ایران، تهران، ایران2021813With the incredible development of social networks, many marketers have exploited the opportunities, and attempt to find influential people within online social networks to influence other people. This problem is known as the Influence Maximization Problem. Efficiency and effectiveness are two important criteria in the production and analysis of influence maximization algorithms. Some of researchers improved these two issues by exploiting the communities’ structure as a very useful feature of social networks. This paper aims to provide a comprehensive review of the state of the art algorithms of the influence maximization problem with special emphasis on the community detection-based approachesبا توسعه روزافزون شبکه‌های اجتماعی، بسیاری از بازاریابان از این فرصت استفاده کرده و سعی در یافتن افراد تأثیرگذار در شبکه‌های اجتماعی آنلاین دارند. این مسئله که به عنوان مسئله بیشینه‌سازی تأثیر شناخته می‌شود. کارایی زمانی و اثربخشی دو معیار مهم در تولید الگوریتم‌های برجسته در حوزه مسئله بیشینه‌سازی تأثیر محسوب می‌شوند. برخی از محققان با بهره‌گیری از ساختار اجتماعات به‌عنوان ویژگی بسیار مفید شبکه‌های اجتماعی، این دو موضوع را به‌طور مشهودی بهبود بخشیده‌اند. هدف این مقاله بررسی جامع الگوریتم‌های برجسته پیشنهادشده در حوزه مسئله بیشینه‌سازی تأثیر در شبکه‌های اجتماعی با تأکید ویژه بر رویکردهای مبتنی بر شناسایی اجتماعات است.بیشینه‌سازی تأثیر، تجزیه‌وتحلیل شبکه‌های اجتماعی، افراد تأثیرگذار، شبکه‌های اجتماعی، شناسایی اجتماعات، مدل‌های انتشار.http://jour.aicti.ir/fa/Article/Download/41389