شخصیت شناسی در شبکه های اجتماعی با استفاده از مدل سازی موضوعی نظرات کاربران

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 266

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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.

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 :
  • A. Souri, S. Hosseinpour, and A.M. Rahmani, “Personality classification based ...
  • A. Ortigosa, R.M. Carro, and J.I. Quiroga, ”Predicting user personality ...
  • J. Golbeck, C. Robles, and K. Turner, “Predicting personality with ...
  • P. Adamopoulos, A. Ghose, and V. Todri, “The Impact of ...
  • R. Zarnoufi and M. Abik, “Big Five Personality Traits and ...
  • R. Buettner, “Predicting user behavior in electronic markets based on ...
  • J. Golbeck, C. Robles, M. Edmondson, and K. Turner, “Predicting ...
  • H. Wei, F. Zhang, N.J. Yuan, C. Cao, H. Fu, ...
  • A. Guo, J. Ma, S. Tan, and G. Sun, “From ...
  • A. Sengupta and A. Ghosh, “Mining social network data for ...
  • P. Etkin, L. Mezquita, F.J. Lopez-Fernandez, G. Ortet, and M.I. ...
  • C. Alonso and E. Romero, “Study of the Domains and ...
  • S.A. Murphy, P.A. Fisher, C. and Robie, “International comparison of ...
  • M. Goma-i-Freixanet, Y.M. Ortega, and A. Arnau, “The location of ...
  • A.R. Sutin, D. Aschwanden, Y. Stephan, and A. Terracciano, “Five ...
  • Z. Wang, V. Joo, C. Tong and D. Chan, "Issues ...
  • A.K. Nassirtoussi, S. Aghabozorgi, T.Y. Wah, and D.C.L. Ngo, “Text ...
  • S. Razzaghzadeh, P. Norouzi Kivi, and B. Panahi, “A hybrid ...
  • Z. Roozbahani, M. Yari, and R. Ghiasi, “Developing a Filter-Wrapper ...
  • B.E. Boser, I.M. Guyon, and V.N. Vapnik, “A training algorithm ...
  • J.C. Waters, “Accuracy and precision in quantitative fluorescence microscopy,” J. ...
  • نمایش کامل مراجع