پیش بینی مدلسازی انتشار اطلاعات در شبکه های اجتماعی آنلاین

شبکه های اجتماعی آنلاین نقش مهمی در گسترش اطلاعات در مقیاس خیلی بزرگ دارند، بنابراین ایجادابزارهایی برای تحلیل این پدیده ضروری به نظر می رسد. تحلیل انتشار اطلاعات یک کار چالش برانگیزاست زیرا داده های خامی که توسط کاربران این شبکه ها ایجاد می شوند جریانی از ایده ها، توصیه ها، عقایدو غیره هستند. هدف این مقاله کمک به درک این پدیده است که در شبکه های اجتماعی آنلاین، احتمالاینکه اطلاعات توسط نودهای اولیه فعال در شبکه به مقصد برسند چه قدر می باشد. لذا بر آن شدیم تا اینمسئله را از طریق بکارگیری تکنیک های داده کاوی مورد بررسی قرار دهیم. ازآنجاییکه وجود عدم توازندر داده های مورد استفاده و اهمیت طبقه بندی این نوع داده ها به عنوان یکی از چالش های اصلی در حوزهداده کاوی به حساب می آید، در این مقاله رویکردهایی در سطح الگوریتم و در سطح داده برای مقابله بامشکلات طبقه بندی مجموعه داده های نامتوازن ارائه شده است. نتایج نشان داد که استفاده ازخوشه بندی متوازن به عنوان یک گام پیش پردازش جهت متوازن نمودن داده های نامتوازن، تکنیکموثری است که با استفاده از روش ترکیبی به کار برده شده، دقت پیش بینی روش پیشنهادی را درمقایسه با روش های دیگر بهبود می بخشد.

کلیدواژه ها:

شبکه های اجتماعی آنلاین ، انتشار اطلاعات ، آنالیز شبکه های اجتماعی ، داده های نامتوازن