پیش بینی روندهای اجتماعی و رفتار کاربران با استفاده از تکنیک های شبکه عصبی عمیق

شبکه های اجتماعی به عنوان یکی از اجزای اصلی دنیای دیجیتال امروز، به بستری پیچیده و پویا برای تحلیل رفتار کاربران و پیش بینی روندهای اجتماعی تبدیل می شوند. این شبکه ها چالش های زیادی را برای کاربران و جامعه به وجود آورده اند که برخی از این چالش ها شامل مسائل مربوط به حریم خصوصی، گسترش اخبار جعلی، الگوریتم های جانبی و تاثیرات منفی بر سلامت روان کاربران است. این تحقیق با هدف پیش بینی روندهای اجتماعی و تحلیل رفتار کاربران در شبکه های اجتماعی با به کارگیری تکنیک های ماشین لرنینگ و شبکه عصبی عمیق یک استراتژی خاصی برای آموزش مدل روی دیتاست های مختلف پرداخته است. برای مدل سازی رفتار کاربران در شبکه های اجتماعی و تحلیل داده های حجیم، از ترکیب شبکه های عصبی بازگشتی (RNN) و شبکه های احتمالی ساختاریافته (SPN) استفاده می شود. ما برای ارزیابی معیارهای مدل های پیشنهادی، از دقت، حساسیت و امتیاز F۱ استفاده کردیم که این فرایند نشان می دهد که مدل پیشنهادی با دقت بالای ۹۵% قادر به پیش بینی تغییرات نتایج رفتار کاربران در مواجهه با بحران ها و رخدادهای اجتماعی است. مقایسه این مدل ها با روش های سنتی تر ماشین ها مانند پرسیپترون چندلایه (MLP)، نشان می دهند که شبکه عصبی عمیق RNN و همچنین استفاده از SPN می تواند در شبیه سازی روابط پیچیده و پیش بینی تغییرات رفتار کاربران در شرایط بحرانی کارآمدتر باشد. در نهایت، این تحقیق برای ارائه یک مدل تحلیلی پیشرفته، به طور خاص به کاربردهای آن در مدیریت بحران های اجتماعی-دیجیتال و تحلیل روندهای اجتماعی در دنیای دیجیتال می پردازد.

کلیدواژه ها:

RNN ، SPN ، شبکه عصبی عمیق ، تحلیل رفتار کاربران در شبکه های اجتماعی ، پیش بینی روند های اجتماعی