اکتشاف کاربران پرنفوذ در بستر رسانه های اجتماعی با استفاده از تکنیک شبکه عصبی مصنوعی در پایتون به منظور بهبود عملکرد بازاریابی اینترنتی
الموضوعات :حسین امامی راد 1 , عباس اسدی 2
1 - دانشجوی کارشناسی ارشد، گروه فناوری اطلاعات، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - استادیار، گروه مدیریت بازاریابی، واحد ورامین- پیشوا، دانشگاه آزاد اسلامی، ورامین، ایران(نویسنده مسئول)
الکلمات المفتاحية: شبکه های اجتماعی, کاربران پر نفوذ, یادگیری عمیق, بازاریابی اینترنتی, پایتون,
ملخص المقالة :
در سال های اخیر با حضور رسانه های اجتماعی ، بیشتر از قبل بحث تحلیل رفتار کاربران بر حسب داده های آنها مطرح شده است. در این سال ها ، سازمان ها و شرکت های بزرگ علاقمند به سرمایه گذاری بر روی داده ها هستند تا بتوانند مشتریان خود را بهتر درک کنند. یکی از بحث های بسیار مهم در حوزه علم داده ، تشخیص کاربران پرنفوذ است. این کاربران می توانند با تاثیر گذاری بیشتر بر روی سایر کاربران خرید محصولات و سرویس های سازمان ها را افزایش دهند و هزینه های تبلیغات و جذب مشتری را کاهش دهند. هدف از این مساله بهبود عملکرد تبلیغات و بازاریابی است.برای تشخیص این کاربران از مجموعه داده توییتر استفاده شده است و بر حسب مدل کریسپ ابتدا داده ها جمع آوری شده است ، بعد داده ها تمییز می شود ، در نهایت مدلسازی و ارزیابی می شود. در بحث مدلسازی از الگوریتم های یادگیری عمیق استفاده شده است و در مرحله ارزیابی این مدل با سایر مدل های یادگیری ماشین که شامل شبکه بیزین ، جنگل تصادفی و ماشین بردار پشتیبان مقایسه شده است. با استفاده از روش های ارزیابی موجود در علم داده که شامل معیار حساسیت ، معیار تشخیص و معیار دقت و F-measure است . مدل پیشنهادی از سایر مدل های مرسوم ذکر شده ، بهتر بوده است.در نتیجه روش پیشنهادی عملکرد بهتری خواهد داشت.
