تحلیل محتوای شبکه توئیتر برای پیش بینی و افزایش موفقیت در انتخابات به کمک تکنیک های یادگیری ماشین

چکیده در چند دهه ی اخیر یکی از زمینه های پیشرفت در عرصه تبادل اطلاعات و فناوری، ظهور شبکه های اجتماعی در بستر وب می باشد. این شبکه ها با توجه به گستردگی و حجم بالای داده های در حال تبادل به یک منبع مهم در حوزه های اقتصاد، سیاست، ورزش، هنر و غیره مبدل شده است. از طرفی داده های نهفته در این شبکه ها یک منبع غنی از رفتار و دانش افراد در بستر خود را دارا می باشد. دولت ها و سازمان ها با روش ها و رویکردهای مختلف برای بدست آوردن دانش پنهان شده در این حوزه در حال رقابت و پیشی از یکدیگر هستند زیرا در عصر حاضر قدرت در داده و دانش است. یکی از زمینه های خیلی مهم در سیاست کشورها انتخابات می باشد اما روش ها و راه های موفقیت در انتخابات و کسب آرای موافق یک چالش مهم محسوب می شود، لذا هدف مهمی که در این مقاله وجود دارد کمک به کاندیداهای انتخاباتی در راستای منتخب شدن مطمئن و کارا با اتکا بر نیازمندی های اکثریت مردم است. در این مقاله تحلیل محتوای شبکه توئیتر برای پیش بینی و افزایش موفقیت در انتخابات به کمک تکنیک های یادگیری ماشین ارائه شده است. در حقیقت روش پیشنهادی از چند گام مختلف تشکیل شده است. در گام اول خوشه بندی اولیه بر روی یک بستر شبکه اجتماعی با شناخت شاخص های مهم کاربران انجام شده است و این امر به کمک شاخص بولدین و تحلیل خوشه ها انجام شده است. سپس به کمک یادگیری ماشین و الگوریتم بردار پشتیبان خوشه ای که بیشترین مخالف با کاندیدا را دارد، بررسی و آنالیز شده است و داده های خوشه هدف به عنوان یادگیر به الگوریتم داده شده است. در گام بعدی به کمک شاخص های یادگیری شده، تشخیص و پیش بینی افراد با توجه به نظرات کاندیدا در زمینه های مختلف انجام شده است. روش پیشنهادی به کمک ابزار رپیدماینر و متلب بر روی ۲۵۰۰ داده (موافق و مخالف با نظر کاندیدا) با تمرکز بر روی ۱۰۹۵ رکورد مخالف شبیه سازی شده است. نتایج بدست آمده از دید دقت۹/۹۷، بازیابی ۹/۸۹ و صحت ۰۹/۹۵ بیانگر بهینه سازی در مقایسه با دیگر روش های مشابه می باشد.

کلیدواژه ها:

نظر کاوی ، خوشه بندی ، یادگیری ماشین ، بردار پشتیبان