ترکیب داده های چند منبعی برای پیش بینی رفتار کاربران در شبکه های اجتماعی با استفاده از یادگیری ماشین

نویسنده مسئول: داوود مخلصی قنواتی در سال های اخیر شبکه های اجتماعی به یکی از مهم ترین بسترهای تولید و تبادل اطلاعات تبدیل شده اند. تحلیل و پیش بینی رفتار کاربران در این پلتفرم ها کاربردهای گسترده ای در حوزه هایی نظیر بازاریابی دیجیتال، تشخیص شایعه و مدیریت بحران دارد. با توجه به تنوع بالای داده های تولیدی کاربران شامل اطلاعات متنی، زمانی، ساختار ارتباطی و تعاملات، بهره گیری از روش های ترکیب داده های چند منبعی می تواند موجب افزایش دقت پیش بینی شود. در این مقاله چارچوبی برای ترکیب داده های چند منبعی با هدف پیش بینی رفتار کاربران در شبکه های اجتماعی ارائه شده است. در این چارچوب ابتدا داده های متنوع از جنبه های ساختاری (مانند گراف، ارتباطات محتوایی متون) (پست ها) و زمانی استخراج می گردند سپس با استفاده از الگوریتم های یادگیری ماشین رفتار آتی کاربران پیش بینی می شود. نتایج حاصل از ارزیابی روی یک مجموعه داده واقعی نشان می دهد که ترکیب هوشمندانه منابع مختلف، دقت عملکرد مدل را به طور معناداری نسبت به روش های تک منبعی بهبود می بخشد.

کلیدواژه ها:

ترکیب داده های چند منبعی ، شبکه اجتماعی ، پیش بینی رفتار ، یادگیری ماشین