تشخیص k پست اثرگذار برمبنای یادگیری عمیق در جهت بهبود مدیریت دانش
محورهای موضوعی : حمل و نقل شهری
حسنیه صفی آریان
1
(دانشجوی دکتری، گروه مدیریت فناوری اطلاعات ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران)
محمد جعفر تارخ
2
(استاد، گروه مهندسی صنایع، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران)
محمدعلی افشارکاظمی
3
(دانشیار، گروه مدیریت ، واحد تهران مرکز، دانشگاه آزاد اسلامی ، تهران، ایران)
کلید واژه: مدیریت دانش, کاربر, انتشار, یادگیری عمیق, پست اثرگذار,
چکیده مقاله :
حضور رسانه های اجتماعی باعث ایجاد تحولات اساسی در جوامع امروزی شده است. این رسانه ها بستری مناسب برای کاربران در جهت اشتراک گذاری ایده ها باشد.همین امر موجب شده است که کاربران با انبوهی از اطلاعات مواجه شوند که در بیشتر اوقات مناسب آن ها نباشد و نفوذ کمی بر روی آن ها داشته باشد. ارائه روشی جهت انتخاب پست های اثرگذار برای کاربر در میان انبوهی از پست ها ، می تواند بسیار حائز اهمیت باشد. روش‌هایی که در پژوهش های اخیر در جهت انتخاب پست های اثرگذار ارائه شده است مبتنی بر خصیصه‌های آماری مربوط به داده‌های مختلف میکروبلاگ ها می‌باشند و کمتر به صورت محتوایی اثرگذاری ، هر پست را بر روی کاربر مشخص، مورد اندازه‌گیری قرار داده است. علی رغم تنوع موضوعی ، محتوایی توئیت‌ها و کاربران مختلف، اکثر این روش‌ها با ارائه یک مدل عمومی بر مبنای خصیصه‌های پرتعداد، از دقت برخوردار نیستند و قادر به ارائه پیشگویی در زمان برخط نمی باشند. در این پژوهش ، با تحلیل انتشار پست‌ها بین کاربران در بازه زمانی مشخص، به بررسی روشی برای سنجش توجه کاربران به مطالب به اشتراک گذاشته شده و تأثیرات آن‌ها پرداخته می‌شود، این روش IKS نام گذاری شده است که بر مبنای خصیصه های محتوای منتشر شده توسط کاربر ارائه شده است و به صورت یک مساله کلاس بند دودوئی که برمبنای یادگیری عمیق می باشد. ارزیابی این روش با استفاده از روش شهودی و ارزیابی مجموعه دادگان انجام شده است که دقت بیشتری در مقایسه با سایر روش ها دارد.
The presence of social media has brought about fundamental changes in today's societies. These media are a good platform for users to share ideas. This has caused users to encounter a lot of information that is not suitable for them most of the time and has little influence on them. Providing a way to select effective posts for the user among a multitude of posts can be very important. The methods presented in recent research for selecting effective posts are based on statistical features related to various microblog data and less in terms of content content, each post has been measured on a specific user. Despite the variety of topics, content of tweets and different users, most of these methods are not accurate by providing a general model based on a large number of features and are not able to provide online predictions. In this study, by analyzing the dissemination of posts among users in a specific period of time, a method for measuring users' attention to shared content and their effects is examined. This method is named IKS, which is based on the characteristics of content published by The user is presented as a binary classroom problem based on in-depth learning. Evaluation of this method has been done using intuitive method and data set evaluation which is more accurate compared to other methods.
_||_