مقاله ترجمه شده استفاده از توییت‌های مبتنی بر مکان برای ارزیابی قابلیت اطمینان رتبه‌بندی های آنلاین

مشخصات محصول
قیمت:63000تومان
دسته بندی:

سال نشر: ۲۰۱۹

نوع نگارش مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی:  ۸  صفحه PDF

تعداد صفحه ترجمه فارسی:  ۲۴  صفحه WORD

دانلود رایگان مقاله انگلیسی

کد محصول: M1609

نام ناشر (پایگاه داده): الزویر

نام مجله:   Journal of Business Research

عنوان کامل فارسی:

تبلیغات دروغ یا تهمت؟ استفاده از توییت‌های مبتنی بر مکان برای ارزیابی قابلیت اطمینان رتبه‌بندی های آنلاین

عنوان کامل انگلیسی:

False advertising or slander? Using location based tweets to assess online rating-reliability

چکیده فارسی:

نظرات آنلاین در طیف گسترده ای از کسب و کارها، از کالاهای فیزیکی گرفته تا خدمات، منتشر می شوند. فراگیر بودن نظرات و اهمیتی که مشتریان بالقوه به آنها داده اند، بررسی اعتبار آنها را بسیار حائز اهمیت می کند. در حالی که نظرات خوب می تواند شهرت شرکت ها را تقویت کند، نظرات بد می تواند باعث نابودی آنها شود. از آنجایی که نظرات آنلاین ناشناس هستند، مواردی از تبلیغات گمراه کننده و تهمت ناروا وجود دارد که می تواند سردرگمی ایجاد کند. در این مقاله، نویسندگان دلایلی برای سوگیری رتبه‌بندی آنلاین ارائه کرده و روشی برای اندازه‌گیری آن نشان می‌دهند. نویسندگان توییت‌های آگاه از مکان مصرف‌کننده را از مکان‌های کسب‌وکار استخراج می‌کنند تا امتیاز لذت بخش بودن یک مکان را به تصویر بکشند و امتیازات لذت بخشی را با رتبه‌بندی Yelp مقایسه کنند تا تعیین کنند که یک مکان کسب و کار چقدر بیش از حد یا کمتر از حد ارزشگذاری شده است. داده های Foursquare و توئیتر استخراج شده تا با استفاده از فرهنگ لغتی به نام هنجارهای احساسی برای کلمات انگلیسی (ANEW)، امتیاز احساس را از توییت های آگاه از مکان ثبت کنند. در نهایت سوگیری های رتبه بندی در شهرها یافت می شود و انواع مختلف رستوران ها و پیامدهای مدیریتی و سیاستی مورد بحث قرار می گیرد.

کلمات کلیدی: کلان داده ها، توییت های آگاه از مکان، داده کاوی، خط مشی عمومی، تبلیغات دهان به دهان الکترونیکی، رتبه بندی آنلاین

Abstract

Online reviews have diffused into a large variety of businesses, ranging from physical goods to services. The ubiquity of the reviews and the importance given to them by potential customers makes examining their validity extremely important. While good reviews can boost companies’ business, bad reviews can spell their doom. Since online reviews are anonymous, there are cases of both false advertising and slander that can create conflict. In this paper authors provide reasons for online rating bias and demonstrate a way to measure it. Authors mine consumer’s location aware tweets from business locations to capture a location’s pleasure score and compare the pleasure scores to Yelp ratings to determine how overrated or underrated the venue is. Foursquare and Twitter are mined to extract an emotion score from the location aware tweets using a dictionary called the Affective Norms for English Words (ANEW). Rating biases are found across cities and different types of restaurants and managerial and policy implications discussed.

Keywords: Big data, Location aware tweets, Data mining, Public policy, Electronic WOM, Online ratings

تمامی حقوق مادی و معنوی ترجمه ها برای پارس ترجمه محفوظ می باشد

تمامی حقوق مادی و معنوی ترجمه ها برای پارس ترجمه محفوظ می باشد