تشخیص k پست اثرگذار برمبنای یادگیری عمیق در جهت بهبود مدیریت دانش

الموضوعات :

حسنیه صفی آریان ¹ , محمد جعفر تارخ ² , محمدعلی افشارکاظمی ³

1 - دانشجوی دکتری، گروه مدیریت فناوری اطلاعات ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - استاد، گروه مهندسی صنایع، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران
3 - دانشیار، گروه مدیریت ، واحد تهران مرکز، دانشگاه آزاد اسلامی ، تهران، ایران

تاريخ الإرسال : 01 الإثنين , شوال, 1443 تاريخ التأكيد : 01 الثلاثاء , ربيع الأول, 1444 تاريخ الإصدار : 28 الثلاثاء , ربيع الثاني, 1444

الکلمات المفتاحية: مدیریت دانش, کاربر, انتشار, یادگیری عمیق, پست اثرگذار,

ملخص المقالة :

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.