تشخیص موضوع داده های شبکه اجتماعی توییتر با استفاده از گراف دوبخشی ناهمگن و آنتروپی

امروزه، با توسعه روز افزون فناوری اطلاعات و استفاده گسترده از آن، اینترنت به عنوان یک حامل اطلاعات، به تدریج جایگزین رسانه های سنتی مانند روزنامه و تلویزیون شده است. توییتر به عنوان یک شبکه ی اجتماعی سهم فراوانی از داده های تولید شده در اینترنت را دارد. به طور متوسط در هر روز ۵۰۰ میلیون پیام (توییت) توسط مردم ارسال میشود. توییت ها شامل گزارشاتی از داستان های روزمره زندگی گرفته تا آخرین اخبار و رویدادهای جهان به ما می دهد. شناسایی موضوعات مورد بحث کاربران در زمینه های بسیاری مانند هشدار بلایای طبیعی، ارزیابی افکار کاربران و پیش بینی ترافیک داده ای می تواند مورد استفاده قرار بگیرد. در این مقاله، ما برای تشخیص موضوع هر توییت، یک روش بر پایه ی گراف دوبخشی ناهمگن ارائه می کنیم. در این روش پس از خوشه بندی استاد با روش انتشار بر چسب در گراف با استفاده از معیار معرفی شده بر پایه آنتروپی، سعی می کنیم کلیدواژه هایی را به عنوان نماینده هر موضوع برگزینیم که تمایز بین خوشه ها را نیز به خوبی نشان دهد. ما عملکرد روش ارائه شده را در سه مجموعه داده متفاوت با روش های پیشین مقایسه می کنیم. با مقایسه عملکرد روش ارائه شده در این مقاله پی می بریم که در استاد با طول کوتاه روش ما می تواند دقتی بهتر از روش های شناخته شده ی اLS و LDA ارائه کند.

کلیدواژه ها:

تشخیص موضوع ، استخراج موضوع ، مدل سازی موضوعی