شخصیت شناسی در شبکه های اجتماعی با استفاده از مدل سازی موضوعی نظرات کاربران
محل انتشار: مجله محاسبات نرم، دوره: 11، شماره: 2
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 266
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SCJKA-11-2_004
تاریخ نمایه سازی: 29 آبان 1403
چکیده مقاله:
شخصیت فرد مجموعه ای از خصوصیات و واکنش های فرد است که موجب ایجاد رفتار فرد در موقعیت های گوناگون می شود. به طور معمول این رفتارها در موقعیت های مشابه تکرار می شوند. داشتن اطلاعات در مورد شخصیت فرد، این امکان را به ما می دهد که واکنش فرد را در موقعیت های مشابه پیش بینی کنیم. از طرفی با توجه به اینکه افراد در شبکه های اجتماعی مجازی نظارت مستقیمی بر نظرات خود احساس نمی کنند، استفاده از این شبکه ها جهت جمع آوری اطلاعات و تحلیل شخصیت افراد بسیار قابل توجه و منطقی است. در این مقاله، با دریافت نظرات کاربران از شبکه های اجتماعی و مقایسه آن با پرسشنامه پر شده توسط افراد، میزان درستی پاسخ گویی به سوال های پرسشنامه را محک می زنیم و به گونه ای دقیق تر به تحلیل شخصیت کاربران می پردازیم. با پردازش نظرات کاربران توسط روش های هوشمند متن کاوی و استفاده از یادگیری ماشین تلاش شده است که شخصیت کاربران پیش بینی شود. در نهایت، در هر چهار روش از روش های الگوریتم SVM و همچنین روش شبکه عصبی عمیق، معیارهای درستی، دقت و بازخوانی به نسبت بسیار خوبی بالا بودند (بین ۰.۷۵ تا ۰.۹۹) و این حاکی از مطابقت بالای نظرات جمع آوری شده از طریق پرسشنامه با پست های منتشرشده در فضای مجازی همان اشخاص می باشد.
کلیدواژه ها:
نویسندگان
آرش خسروی
گروه مهندسی کامپیوتر، دانشکده مهندسی، مرکز آموزش عالی محلات، محلات، ایران
حمیدرضا عبدالحسینی
گروه مهندسی کامپیوتر، دانشگاه شهاب دانش، قم، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :