برسی داده های قابل استخراج از اینستاگرام به کمک شبکه عصبی CNN

اینستاگرام، به عنوان یکی از پلتفرم های برجسته شبکه های اجتماعی، به بستری گسترده برای تولید و انتشار داده های متنی، بصری و تعاملی کاربران تبدیل شده است. تحلیل هدفمند این داده ها، امکان شناسایی دقیق علایق، الگوهای رفتاری و نحوه تعامل کاربران با محتوا را فراهم می کند. در این پژوهش، چارچوبی ترکیبی و نوآورانه برای استخراج و تحلیل داده های چندوجهی اینستاگرام ارائه شده است که با تلفیق شبکه های عصبی پیچشی (CNN) برای پردازش تصاویر و تکنیک های پردازش زبان طبیعی (NLP) برای تحلیل محتوای متنی، به مدل سازی دقیق رفتار کاربران می پردازد. داده های مورد استفاده شامل مولفه های بصری (تصاویر پست ها)، متنی (کپشن، هشتگ، نظرات) و فرااطلاعاتی (اطلاعات پروفایل، زمان و مکان انتشار، و سطح تعاملات) است. ارزیابی مدل پیشنهادی بر روی یک مجموعه داده واقعی نشان می دهد که این سامانه با دقت ۹۴ درصد قادر به پیش بینی علایق کاربران است. نتایج حاصل، گویای اثربخشی بالای رویکرد ترکیبی در کشف ویژگی های پنهان کاربران بوده و این مدل در حوزه هایی نظیر بازاریابی دیجیتال، سامانه های توصیه گر هوشمند و تحلیل رفتار اجتماعی قابل بهره برداری است.

کلیدواژه ها:

NLP ، CNN ، اینستاگرام ، بازاریابی دیجیتال ، شناخت علایق کاربران