پارس پروژه پرتال خدمات دانشگاهی
این مقاله علمی پژوهشی (ISI) به زبان انگلیسی از نشریه اسپرینگر مربوط به سال ۲۰۲۱ دارای ۱۱ صفحه انگلیسی با فرمت PDF می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی و بخشی از ترجمه فارسی مقاله موجود می باشد.
کد محصول: M1117
سال نشر: ۲۰۲۱
نام ناشر (پایگاه داده): الزویر
نام مجله: Journal of Ambient Intelligence and Humanized Computing
نوع مقاله: علمی پژوهشی (Research articles)
تعداد صفحه انگلیسی: ۱۱ صفحه PDF
عنوان کامل فارسی:
مقاله انگلیسی ۲۰۲۱ : شبیه سازی مدل اعتماد تجارت الکترونیکی فرامرزی (بین المللی) مبتنی بر یادگیری ماشین و شبکه بیزین
عنوان کامل انگلیسی:
Trust model simulation of cross border e‑commerce based on machine learning and Bayesian network
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M1117)
مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید
چکیده فارسی:
در سال های اخیر ، بسیاری از محققان داخلی و خارجی ،وقت و دانش خود را وقف تحقیق در مورد اعتماد به تجارت الکترونیکی کرده اند ، که به یک موضوع داغ در تحقیقات علمی تبدیل شده است. بدون شک اعتماد به تجارت الکترونیک یکی از عوامل مهم در بررسی عوامل موثر بر انتخاب معاملات تجارت الکترونیکی از سوی مصرف کنندگان می باشد. اعتماد به تجارت الکترونیکی می تواند تأثیر بسزایی در محبوبیت تجارت الکترونیکی در بین مشتریان و توسعه آن در آینده داشته باشد. اما در شرایط فعلی ، مصرف کنندگان هنوز در مورد تجارت الکترونیکی ناآشنا یا بدبین هستند. بر این اساس ، این مقاله برای جلوگیری از کلاهبرداری ، یک مدل اعتماد تجارت الکترونیکی فرا مرزی را بر اساس فناوری های موجود در زمینه ارزیابی اعتماد ، نظریه یادگیری ماشین و مدل ابری در فناوری شبکه بیزین پیشنهاد می کند. با پشتیبانی از مدل ابری ، روش ارزیابی اعتماد بهبود یافته است. اعتماد از متغیر کیفی به کمی تغییر یافته است و داده های مربوطه می توانند ماهیت اعتماد را بصورت شهودی و عینی تری منعکس کنند. علاوه بر این ، این مدل همچنین می تواند از سازمان شروع شود ، حفاظت از حریم خصوصی مصرف کننده ، تبادل اطلاعات و سایر خدمات برای انجام ارزیابی جامع از شرکت تجارت الکترونیکی ، فرصت انتخاب شفاف تری به مصرف کنندگان می دهد. علاوه بر این ، الگوریتم کمی ارزیابی و دوره زمانی انطباق نیز در ارزیابی شرکت های تجارت الکترونیکی معرفی شده است. تمامی اقدامات به منظور جلوگیری از گمراه کردن مصرف کنندگان توسط کسب و کارهای غیرقانونی از طریق کلاهبرداری مالی می باشد. از طریق روش های فوق ، محققان می توانند درجه اعتماد کاربران به تجارت الکترونیکی فرا مرزی را درک کرده و روش های مربوطه را برای بهبود اعتماد کاربر ارائه دهند. در عین حال ، از طریق انواع روش های نظری مانند یادگیری ماشین و شبکه بیزین ، به منظور ارائه ایده ها و دستورالعمل های بیشتر برای توسعه تجارت الکترونیکی فرا مرزی، می توانیم اطلاعات بیشتری در مورد تقاضای کاربران و بازار در اختیار شرکت ها قرار دهیم، آنها را از کاستی ها آگاه کرده تا بتوانند به طور مداوم کسب و کار خود را در آینده ارتقاء دهند و اعتماد کاربران به شرکت را بهبود بخشند و کاربران بیشتری را جذب کنند.
کلمات کلیدی: یادگیری ماشین • شبکه بیزی • تجارت الکترونیکی فرامرزی • مدل اعتماد
۱.مقدمه
در سال های اخیر ، صنعت تجارت الکترونیکی فرا مرزی چین با سرعت بالا در حال توسعه است ، که ناشی از سیاست های مطلوب و رشد مداوم در سطح مصرف است. نشستن در خانه و خرید اقلام موردنیاز با تلفن همراه یا رایانه ، به امر متداولی تبدیل شده است. اگرچه تجارت الکترونیکی باعث صرفه جویی در وقت و تلاش مصرف کنندگان می شود و فرآیند خرید مصرف کنندگان را تا حد زیادی تسهیل می کند ،با این حال تجارت الکترونیکی نیز مشکلات ، خطرات و کمبودهای زیادی دارد (ابوالقاسم و دیگران. ۲۰۱۹)…
Abstract
In recent years, many scholars at home and abroad have devoted themselves to the research of e-commerce trust, which has even become a hot topic in scientific research. When we explore the factors that affect consumers’ choice of e-commerce transactions, e-commerce trust is undoubtedly an important breakthrough in this issue. E-commerce trust can have a profound impact on the popularity of e-commerce among customers and the future development. But in the current environment, consumers are still unfamiliar or skeptical about e-commerce. Based on these problems, this paper proposes a cross-border e-commerce trust model based on the existing trust evaluation technology, machine learning theory and the cloud model in Bayesian network technology to prevent fraud. With the support of cloud model, trust evaluation method has been improved. Trust has changed from qualitative to quantitative, and the relevant data can reflect the nature of trust more intuitively and objectively. In addition, the model can also start from the enterprise, according to the e-commerce enterprise for consumer privacy protection, information trading and other services to conduct a comprehensive evaluation of the enterprise, giving consumers a clearer choice. In addition, the evaluation quantity and adaptive time window algorithm are also introduced in the evaluation of e-commerce enterprises. All kinds of measures are to prevent illegal businesses from misleading consumers by credit fraud and speculation. Through the above methods, researchers can understand the trust degree of users for cross-border e-commerce, and put forward relevant methods to improve user credit. At the same time, through a variety of theoretical methods such as machine learning and Bayesian network, we can provide enterprises with more market and user demand information, make them aware of the shortcomings and constantly improve their business in the future, so as to improve the trust of users to enterprises, and attract a wider user group, so as to provide more ideas and guidance for the development of cross-border e-commerce.
Keywords Machine learning · Bayesian network · Cross border e-commerce · Trust model
۱.Introduction
In recent years, China’s cross-border e-commerce industry has been developing at a high speed, driven by favorable policies and the continuous upgrading of consumption level. It’s common to sit at home and buy what you need with your mobile phone or computer. Although e-commerce does save time and effort for consumers and greatly facilitates consumers, e-commerce is also missing, and there are many risks and deficiencies (Abulkasim et al. 2019)…
۵.Conclusion
These evaluation methods of cross-border e-commerce are all aimed at solving the credit problems between users and cloud service providers. This article uses machine learning and Bayesian network technology to discuss some of the problems in cross-border e-commerce platforms, as well as the current users’ low trust in the platform and the difficulty of platform development…