國立虎尾科技大學 |

Hybrid Approach for Recommending Social Media Influencers in Digital Marketing Using Deep Neural Networks = = نموذج مدمج لاقتراح مؤثري مواقع التواصل الاجتماعي للتسويق الرقمي باستخدام الشبكات العصبية العميقة.

紀錄類型:	書目-語言資料,手稿 : Monograph/item
正題名/作者:	Hybrid Approach for Recommending Social Media Influencers in Digital Marketing Using Deep Neural Networks =/
其他題名:	نموذج مدمج لاقتراح مؤثري مواقع التواصل الاجتماعي للتسويق الرقمي باستخدام الشبكات العصبية العميقة.
作者:	Boulad, Adam Mohammad.
面頁冊數:	1 online resource (107 pages)
附註:	Source: Masters Abstracts International, Volume: 85-08.
Contained By:	Masters Abstracts International85-08.
標題:	Social psychology. -
電子資源:	click for full text (PQDT)
ISBN:	9798381686739

Hybrid Approach for Recommending Social Media Influencers in Digital Marketing Using Deep Neural Networks = = نموذج مدمج لاقتراح مؤثري مواقع التواصل الاجتماعي للتسويق الرقمي باستخدام الشبكات العصبية العميقة.
Boulad, Adam Mohammad.

Hybrid Approach for Recommending Social Media Influencers in Digital Marketing Using Deep Neural Networks =نموذج مدمج لاقتراح مؤثري مواقع التواصل الاجتماعي للتسويق الرقمي باستخدام الشبكات العصبية العميقة. - 1 online resource (107 pages)

Source: Masters Abstracts International, Volume: 85-08.

Thesis (M.Sc.)--Princess Sumaya University for Technology (Jordan), 2023.

Includes bibliographical references

In today's rapidly evolving and highly competitive digital marketing landscape, the effective utilization of all available channels, particularly optimizing performance in social media influencer promotions, has become paramount. The impact of social media influencers on campaign performance and brand safety cannot be overstated. However, a significant challenge lies in matching the correct advertiser with the right social media influencer from a vast pool of potential partners. This is commonly known as the choice overload problem and can be addressed using recommender systems.In this study, we delve into the realm of hybrid recommender approaches, with a specific focus on leveraging deep learning techniques to tackle the challenge of recommending social media influencers. We carefully selected five cutting-edge deep learning hybrid methods and integrated Self-Organizing Maps (SOMs), a preprocessing technique developed by Kohonen, to enhance the performance of these models.Through a comprehensive series of experiments, our study evaluates the influence of SOMs on the performance of deep learning models. We leverage both the renowned MovieLens dataset, and a proprietary dataset obtained from an advertising company to conduct our analysis. We compare the results obtained with and without the inclusion of SOMs, while also examining the impact of crucial factors such as the number of features and sample size on the observed improvement. Our findings demonstrate a statistically significant yet modest enhancement in recommendation accuracy when incorporating SOMs into the process. Additionally, our research highlights the potential benefits of employing Hybrid Recommender Systems that integrate deep learning components within their architecture, along with the application of unsupervised machine learning techniques such as SOMs. These advancements have the potential to improve the process of recommending social media influencers for advertising and digital marketing purposes. Furthermore, our study showcases the development of a unique dataset tailored specifically for social media influencers, fostering further advancements in this field.

Electronic reproduction.
Ann Arbor, Mich. :
ProQuest,
2024

Mode of access: World Wide Web

ISBN: 9798381686739Subjects--Topical Terms:

554804
Social psychology.
Subjects--Index Terms:

Deep learningIndex Terms--Genre/Form:

554714
Electronic books.

Hybrid Approach for Recommending Social Media Influencers in Digital Marketing Using Deep Neural Networks = = نموذج مدمج لاقتراح مؤثري مواقع التواصل الاجتماعي للتسويق الرقمي باستخدام الشبكات العصبية العميقة.
LDR:06803ntm a22004337 4500 001 1148606
005 20240924103847.5
006 m o d
007 cr bn ---uuuuu
008 250605s2023 xx obm 000 0 eng d
020 $a 9798381686739
035 $a (MiAaPQ)AAI30988335
035 $a AAI30988335
040 $a MiAaPQ $b eng $c MiAaPQ $d NTU
100 1 $a Boulad, Adam Mohammad. $3 1474609
245 1 0 $a Hybrid Approach for Recommending Social Media Influencers in Digital Marketing Using Deep Neural Networks = $b نموذج مدمج لاقتراح مؤثري مواقع التواصل الاجتماعي للتسويق الرقمي باستخدام الشبكات العصبية العميقة.
264 0 $c 2023
300 $a 1 online resource (107 pages)
336 $a text $b txt $2 rdacontent
337 $a computer $b c $2 rdamedia
338 $a online resource $b cr $2 rdacarrier
500 $a Source: Masters Abstracts International, Volume: 85-08.
500 $a Advisor: Salameh, Walid K.
502 $a Thesis (M.Sc.)--Princess Sumaya University for Technology (Jordan), 2023.
504 $a Includes bibliographical references
520 $a In today's rapidly evolving and highly competitive digital marketing landscape, the effective utilization of all available channels, particularly optimizing performance in social media influencer promotions, has become paramount. The impact of social media influencers on campaign performance and brand safety cannot be overstated. However, a significant challenge lies in matching the correct advertiser with the right social media influencer from a vast pool of potential partners. This is commonly known as the choice overload problem and can be addressed using recommender systems.In this study, we delve into the realm of hybrid recommender approaches, with a specific focus on leveraging deep learning techniques to tackle the challenge of recommending social media influencers. We carefully selected five cutting-edge deep learning hybrid methods and integrated Self-Organizing Maps (SOMs), a preprocessing technique developed by Kohonen, to enhance the performance of these models.Through a comprehensive series of experiments, our study evaluates the influence of SOMs on the performance of deep learning models. We leverage both the renowned MovieLens dataset, and a proprietary dataset obtained from an advertising company to conduct our analysis. We compare the results obtained with and without the inclusion of SOMs, while also examining the impact of crucial factors such as the number of features and sample size on the observed improvement. Our findings demonstrate a statistically significant yet modest enhancement in recommendation accuracy when incorporating SOMs into the process. Additionally, our research highlights the potential benefits of employing Hybrid Recommender Systems that integrate deep learning components within their architecture, along with the application of unsupervised machine learning techniques such as SOMs. These advancements have the potential to improve the process of recommending social media influencers for advertising and digital marketing purposes. Furthermore, our study showcases the development of a unique dataset tailored specifically for social media influencers, fostering further advancements in this field.
520 $a في عصر التسويق الرقمي السريع التطور والتنافسية العالية في الوقت الحالي، أصبح الاستخدام الفعّال لجميع القنوات المتاحة، وخصوصاً تحسين أداء الحملات الاعلانية الرقمية التي تعمل على منصات التواصل الاجتماعي، ضرورةً بالغة الأهمية. لا يمكن التغاضي عن تأثير "المؤثرين" على وسائل التواصل الاجتماعي على أداء الحملة الإعلانية وقوة العلامة التجارية. في هذه الدراسة، نناقش مجال أجهزة التوصية (Recommender Systems)، ونركّز بشكل خاص على استفادتنا من تقنيات التعلم العميق (Deep Learning) للتغلب على التحديات التي تواجه توصية المؤثرين على وسائل التواصل الاجتماعي. قد اخترنا خمس طرق متطورة للتعلم العميق الهجين ومزجنا خرائط التنظيم الذاتي (SOMs)، وهي تقنية معالجة مسبقة طورها كوهين، لتحسين أداء هذه النماذج.من خلال سلسلة شاملة من التجارب، تقوم دراستنا بتقييم تأثير SOMs على أداء نموذج التعلم العميق، والاستفادة من مجموعة بيانات Movie Lens الشهيرة ومجموعة بيانات تم الحصول عليها من شركة إعلانات. قارن النتائج التي تم الحصول عليها مع وبدون تضمين SOMs، مع الخوض أيضًا في تأثير العوامل الحاسمة مثل عدد الميزات وحجم العينة على التحسن الملحوظ. تسلط النتائج التي توصلنا إليها الضوء على تعزيز هام إحصائيًا ولكنه متواضع في دقة التوصيات عند دمج (SOMs) في العملية.علاوة على ذلك ، توضح دراستنا الفوائد المحتملة لاستخدام أنظمة التوصية المختلطة (Hybrid Recommender Systems) التي تدمج مكونات التعلم العميق في بنيتها، جنبًا إلى جنب مع تطبيق تقنيات التعلم الآلي غير الخاضعة للإشراف مثل خرائط التنظيم الذاتي (SOMs). هذه التطورات لديها القدرة على تعزيز عملية التوصية المؤثرين على وسائل التواصل الاجتماعي لأغراض الدعاية والتسويق الرقمي. بالإضافة إلى النتائج المذكورة أعلاه، يعرض بحثنا تطوير مجموعة بيانات فريدة مصممة خصيصًا للمؤثرين على وسائل التواصل الاجتماعي ، مما يعزز المزيد من التقدم في هذا المجال.
533 $a Electronic reproduction. $b Ann Arbor, Mich. : $c ProQuest, $d 2024
538 $a Mode of access: World Wide Web
650 4 $a Social psychology. $3 554804
650 4 $a Behavioral psychology. $3 1179418
650 4 $a Web studies. $3 1148502
653 $a Deep learning
653 $a Dimensionality reduction
653 $a Influencers
653 $a Recommender systems
653 $a Self-Organizing Maps
653 $a Social media
655 7 $a Electronic books. $2 local $3 554714
690 $a 0451
690 $a 0384
690 $a 0338
690 $a 0646
710 2 $a ProQuest Information and Learning Co. $3 1178819
710 2 $a Princess Sumaya University for Technology (Jordan). $b Department of Computer Science. $3 1474610
773 0 $t Masters Abstracts International $g 85-08.
856 4 0 $u http://pqdd.sinica.edu.tw/twdaoapp/servlet/advanced?query=30988335 $z click for full text (PQDT)