بررسی نحوه توصیه هشتک ها با الهام از تحلیل دادههای شناختی توییتر
- سال انتشار: 1403
- محل انتشار: هفتمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران
- کد COI اختصاصی: STCONF07_206
- زبان مقاله: فارسی
- تعداد مشاهده: 152
نویسندگان
استاد دانشگاه فنی حرفه ای ولیعصر
دانشجو دانشگاه فنی حرفه ای ولیعصر
چکیده
این پژوهش به بررسی پیشنهادهای خلاصه شده در یک شبکه اجتماعی ناهمگن ۱و بزرگ, و همچنین یک راهحل یادگیری عمیق ۲شناختی براساس نمودارهای دانش تهیه شده می پردازد.شناسایی جامعه در یک شبکه اجتماعی گسترده و ناهمگن برای اولین بار در جوامع مرتبط به هم انجام شده است . سپس گراف دانش برای هر کدام از افراد مشاهده شده , با تاکید بر بیان روابط معنادار بین افراد با حساب کاربری توییتر تولید شده است .هر جامعه با مدل یادگیری عمیق نهفته آموزش داده می شود. پیشنهاد هشتک ها برای کاربر جدید در شبکه اجتماعی , بستگی به توئیت های این کاربر و گراف دانش هر فرد برای تنظیم موضوعات مرتبط با این کاربر بررسی می شود.از مدلهای جوامع مرتبط برای تحقیق در مورد این کاربران استفاده می شود.ما آزمایش گستردهای را برای نشان دادن کارایی روشهای خود در انواع مجموعه های توییت انجام دادیم .نتایج بدست آمده نشان می دهد که روش پیشنهادی نسبت به روش های پایه از نظر زمان اجرا و دقت کارایی بیشتری دارد.کلیدواژه ها
محاسبات شناختی ۳, یادگیری عمیق , توصیه برچسب , تحلیل معنایی , شبکه اجتماعیمقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.