پیش بینی نیم رخ شدت نیازهای کاربر با استفاده از تحلیل اعلان های متنی در فیسبوک
محل انتشار: اولین کنفرانس بین المللی وب پژوهی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 897
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IRANWEB01_020
تاریخ نمایه سازی: 29 شهریور 1394
چکیده مقاله:
تمرکز بر ویژگی های روانشناختی کاربر برای شخصیسازی مؤثر یکی از موضوعات پرطرفدار در حوزهی تعامل انسان و رایانه است.با آگاهی از این ویژگی ها می توان از ترجیحات، نیازمندی ها و رفتارهای آیندهی کاربر آگاهی یافت. از آنجا که از متون به جا مانده ازکاربران در فیسبوک میتوان برای پیش بینی برخی ویژگی های روانی آنها استفاده کرد، با بررسی پروفایل کاربران در فیس بوک وبهره گیری از اعلان های متنی دیوار، می توان مدلی برای شناخت رفتار کاربر در زندگی واقعی ایجاد کرد. در پژوهش حاضر با استفادهاز تحلیل متن و براساس نظریه ی انتخاب مدلی برای تولید نیمرخ شدت نیازهای کاربر پیشنهاد خواهد شد. برای ترسیم این نیم رخلازم است میزان پنج نیاز اساسی شامل نیاز به محبت، بقاء، آزادی، قدرت و تفریح در کاربر مشخص گردد. در این راستا مجموعهدادهای از نوشته های کاربران فیسبوک ایجاد شد و برای اندازه گیری نیازهای مذکور از کاربران خواسته شد پرسشنامه ی نیازسنجیاستانداردی را پر نمایند. در ادامه با تحلیل متون دیوار کاربران فیسبوک و روشهای یادگیری ماشین مدلهایی برای پیش بینی ایاننیازها ارائه شد. نتایج حاصل از پیاده سازی مدلها نشان میدهند که می توان با دقت بالایی میزان پنج نیاز اساسی را از نوشته هایافراد استخراج کرد. همچنین نشان داده شد سنجش میزان نیاز به محبت از دقت بیشتری نسبت به سایر نیازها برخوردار است.
کلیدواژه ها:
نویسندگان
مهدی آقامحمدی
دانشجوی ارشد مهندسی کامپیوتر، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه شیخ بهائی، اصفهان
ناصر قاسم آقایی
استاد، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه شیخ بهائی، اصفهان
محمداحسان بصیری
گروه مهندسی برق، دانشگاه شهرکرد، شهرکرد
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 :