پیش بینی رفتار بازنشر کاربران با استفاده از یادگیری عمیق از طریق بررسی ارزش محتوایی هر توئیت

محورهای موضوعی : آینده پژوهی

حسنیه صفی آریان ^{1 *} , محمد جعفر تارخ ² , محمدعلی افشارکاظمی ³

1 - سرپرست
2 - دانشگاه خواجه نصیر
3 - دانشیار، عضو هیات علمی دانشگاه آزاد اسلامی، واحد تهران مرکزی

تاریخ دریافت : 1399/10/03 تاریخ پذیرش : 1403/02/31 تاریخ انتشار : 1404/06/01

کلید واژه: شبکه های اجتماعی , کاربر, یادگیری عمیق , بازنشر, محتوا,

چکیده مقاله :

بررسی رخدادها و روند مواجهه کاربران شبکه‌های اجتماعی با پدیده‌های روزمره، بخش مهمی از تحلیل‌های آینده پژوهی را به خود اختصاص داده است. کاربران بعد از مطالعه توئیت‌ها، اقدام به تصمیم‌گیری برای بازنشر توئیت‌های مورد علاقه خود می‌نمایند. بررسی‌ها نشان می‌دهد تنها 1% کاربران، 50% توئیت‌های توئیتر را ایجاد می‌کنند و 25% گردش اطلاعات آن را کنترل می‌نمایند. برطبق این آمار، بازنشر توئیت‌ها در توئیتر، یک ابزار مهم برای انتشار اطلاعات می‌باشد. پیشگویی رفتار بازنشر کاربران یکی از چالش‌های مهم در حوزه میکروبلاگ‌ها به شمار می‌آید. روش‌هایی که ارائه شده است مبتنی بر خصیصه‌های آماری مربوط به داده‌های مختلف این میکروبلاگ می‌باشند و کمتر به صورت محتوایی اثرگذاری ، هر توئیت 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 مقاله با معرفی خصیصه‌های مبتنی بر بررسی محتوایی یک توئیت و اندازه‌گیری آن‌ها، تخمین میزان ارزش محتوایی یک توئیت برای کاربر مشخص، صورت می‌گیرد. با تعریف این مسئله به صورت یک مسئله کلاس‌بندی باینری بر اساس خصیصه‌های پیشنهادی، پیشگویی رفتار بازنشر کاربران به صورت انفرادی صورت می‌گیرد. مسئله کلاس بندی با استفاده از جدیدترین دستاوردهای حوزه یادگیری عمیق حل شده است. با کمک سه مجموعه داده جمع آوری شده واقعی، کارایی روش پیشنهادی مورد ارزیابی قرار می‌گیرد. دقت اندازه‌گیری خصیصه‌های پیشنهادی 0.85.بررسی شده . تاثیرگذار بودن آن‌ها نشان داده می‌شود.

چکیده انگلیسی:

Recently, Social media is an important way for the future of research that is why users follow events and trends on it. When users study their interesting tweets, there is likelihood of them sharing the tweets. Research shows that only 1% users can create 50% tweets and 25% users share the tweets. According to it, sharing tweet is an important tool for diffusion of information and news. The prediction of user’s sharing behavior is one of the most important challenges. The many of methods pay attention to statistical features also these methods do not focus on the content of tweets. Although there are many different content of issues , many of methods are not accurate as well as can not predict fast. This paper defines the content of feature and measure them to predict the value of tweet for users .This method is a binary classification based on preposed features to predict user’s sharing behavior individually. The classification problem is solved by deep learning . The proposed method is evaluated by three datasets .The accuracy of features is 85% as well as it is effective.