هوش مصنوعی، رسانه‌های اجتماعی و مدیریت زنجیره تأمین: راه پیش رو

عنوان فارسی مقاله:هوش مصنوعی، رسانه‌های اجتماعی و مدیریت زنجیره تأمین: راه پیش رو

چکیده

مدیریت زنجیره تأمین (SCM) یک شبکه پیچیده از نهادهای متعدد از شرکای تجاری تا مصرف کنندگان نهایی است. این ذینفعان اغلب از پلتفرم‌های رسانه‌های اجتماعی مانند توییتر و فیس بوک برای بیان نظرات و نگرانی‌های خود استفاده می‌کنند. اپلیکیشن های مبتنی بر هوش مصنوعی، مانند تجزیه و تحلیل احساسات، به ما اجازه می‌دهد تا اطلاعات مربوطه را از این گفتگوها استخراج کنیم. ما استدلال می‌کنیم که کاربرد زمینه خاص هوش مصنوعی، در مقایسه با رویکردهای عمومی، در بازیابی بینش‌های معنادار از داده‌های رسانه‌های اجتماعی برای SCM کارآمدتر است. ما یک مرور مفهومی از تکنیک‌های رایج و منابع موجود برای استخراج اطلاعات ارائه می‌کنیم. متعاقباً، ما حوزه‌های خاصی از SCM را شناسایی کرده‌ایم که در آن تحلیل احساسات آگاه از زمینه می‌تواند کارایی کلی را افزایش دهد.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Artificial Intelligence, Social Media and Supply Chain Management: The Way Forward

Abstract

Supply chain management (SCM) is a complex network of multiple entities ranging from business partners to end consumers. These stakeholders frequently use social media platforms, such as Twitter and Facebook, to voice their opinions and concerns. AI-based applications, such as sentiment analysis, allow us to extract relevant information from these deliberations. We argue that the context-specific application of AI, compared to generic approaches, is more efficient in retrieving meaningful insights from social media data for SCM. We present a conceptual overview of prevalent techniques and available resources for information extraction. Subsequently, we have identified specific areas of SCM where context-aware sentiment analysis can enhance the overall efficiency