اینترنت اشیا: مروری بر پژوهش های مبتنی بر خدمات هوشمند زمینه آگاه

چکیده: اینترنت اشیا (IoT) ابزارهای سراسر دنیا را قادر کرده است اطلاعات را کسب و ذخیره کنند تا بعدها از آن استفاده نمیاند. با این حال، این فرصت بالقوه، اغلب مورد استفاده قرار نمی گیرد زیرا وقفه زیادی میان جمع اوری داده ها و ظرفیت پردازش و تحلیل آنها وجود دارد. در این پژوهش، تکنولوژی های فعلی، رویکردها، و مدل های IoT را بررسی می کنیم تا چالش هایی را که در راه استفاده بهتر از این مفهوم وجود دارد شناسایی کنیم. هدف اصلی این پژوهش این است که پژوهش های صورت گرفته در مورد IoT را بررسی کند تا خدمات هوشمند زمینه اگاه و یکپارچه ای برای IoT فراهم آورد. علاوه بر این، یک جایگاه IoT، که از دیدگاه زمینه آگاه برگرفته شده است معرفی می کنیم. این جایگاه سبب می شود IoT و شبکه های اجتماعی در بافت اینترنت اجتماعی اشیا (SoT) با یدیگر ترکیب شوند.

Effective bankruptcy prediction is critical for financial institutions to make appropriate lending decisions. In general, the input variables (or features), such as financial ratios, and prediction techniques, such as statistical and machine learning techniques, are the two most important factors affecting the prediction performance. While many related works have proposed novel prediction techniques, very few have analyzed the discriminatory power of the features related to bankruptcy prediction. In the literature, in addition to financial ratios (FRs), corporate governance indicators (CGIs) have been found to be another important type of input variable. However, the prediction performance obtained by combining CGIs and FRs has not been fully examined. Only some selected CGIs and FRs have been used in related studies and the chosen features may differ from study to study. Therefore, the aim of this paper is to assess the prediction performance obtained by combining seven different cat