تجزیه و تحلیل داده های رسانه‌های اجتماعی برای بهبود مدیریت زنجیره تامین در صنایع غذایی

Elsevier
سال انتشار :
2017
تعداد صفحات مقاله انگلیسی :
18
نشریه :
الزویر
تعداد رفرنس ها :
70
نوع مقاله :
مقاله ISI
کراس مارک :
keywords :
Beef supply chain Twitter data Sentiment analysis
کلمات کلیدی :
زنجیره تامین گوشت گاو،اطلاعات توییتر،تجزیه و تحلیل احساسات
عنوان فارسی :

تجزیه و تحلیل داده های رسانه‌های اجتماعی برای بهبود مدیریت زنجیره تامین در صنایع غذایی

عنوان انگلیسی :

Social media data analytics to improve supply chain management in food industries

ژورنال :
Transportation Research Part E: Logistics and Transportation Review
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S1366554516303817
آدرس DOI :
https://doi.org/10.1016/j.tre.2017.05.008
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2017

تعداد صفحات مقاله انگلیسی : 17

نشریه : الزویر

تعداد رفرنس ها : 70

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Beef supply chain Twitter data Sentiment analysis

کلمات کلیدی : زنجیره تامین گوشت گاو،اطلاعات توییتر،تجزیه و تحلیل احساسات

عنوان فارسی : تجزیه و تحلیل داده های رسانه‌های اجتماعی برای بهبود مدیریت زنجیره تامین در صنایع غذایی

عنوان انگلیسی : Social media data analytics to improve supply chain management in food industries

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S1366554516303817



چکیده انگلیسی
This paper proposes a big-data analytics-based approach that considers social media (Twitter) data for the identification of supply chain management issues in food industries. In particular, the proposed approach includes text analysis using a support vector machine (SVM) and hierarchical clustering with multiscale bootstrap resampling. The result of this approach included a cluster of words which could inform supply-chain (SC) decision makers about customer feedback and issues in the flow/quality of food products. A case study in the beef supply chain was analysed using the proposed approach, where three weeks of data from Twitter were used.

چکیده فارسی
این مقاله یک رویکرد مبتنی بر تجزیه و تحلیل مبتنی بر اطلاعات را پیشنهاد می‌کند که داده‌های اجتماعی(تویی‌تر) را برای شناسایی مسایل مدیریت زنجیره تامین در صنایع غذایی درنظر می‌گیرد . به طور خاص ، رویکرد پیشنهادی شامل تحلیل متن با استفاده از یک ماشین بردار پشتیبان ( SVM ) و خوشه‌بندی سلسله مراتبی چندرسانه ای است . نتیجه این رویکرد عبارت بود از خوشه ای از کلمات که می تواند تصمیم گیرندگان زنجیره تامین (SC) در مورد بازخورد مشتری و مسائل مربوط به جریان / کیفیت محصولات غذایی را اطلاع دهد . مطالعه موردی در زنجیره تامین گوشت گاو با استفاده از رویکرد پیشنهادی مورد تجزیه و تحلیل قرار گرفت که در آن سه هفته از داده های توییتر استفاده شد.

موضوعات مقاله