عنوان پایان‌نامه
پیشنه سازی تاثیر گذاری توسط عامل های آگاه در شبکه های اجتماعی با عقاید پیوسته
- رشته تحصیلی
- مهندسی کامپیوتر- آلگوریتم ها و محاسبات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 47..;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 60455
- تاریخ دفاع
- ۲۳ شهریور ۱۳۹۲
- دانشجو
- سمین کربلای محمدی دستجردی
- استاد راهنما
- مسعود اسدپور
- چکیده
- امروزه شبکه‌های اجتماعی مجازی و رفتارهای کاربران آن‌ها، تاثیر بسیار زیادی در تعیین رفتارهای فرهنگی، اجتماعی، اقتصادی و سیاسی جوامع دارند. به عنوان مثال می‌توان به نقش این شبکه‌ها در تحولات منطقه‌ای خاورمیانه از سال 2009 تا الان اشاره کرد. پردازش اطلاعات شبکه‌های اجتماعی، می‌تواند در پیش‌بینی رخدادهای آینده موثر باشد. پیش‌بینی رفتار آینده و بهره‌جویی از آن در راستای ایجاد تاثیر، در سال‌های اخیر بسیار مورد توجه بوده است. در این پژوهش محتوای ارسال شده توسط کاربران، از دو جهت میزان و چگونگی انتشار، مورد بررسی قرار گرفته است. برای انجام پژوهش، از داده‌های سایت بالاترین که یکی از شبکه‌های اجتماعی مورد توجه در ایران می‌باشد، استفاده شده است. برای تعیین میزان انتشار لینک، با استفاده از یکسری ویژگی‌های مبتنی بر کاربر، احتمال رسیدن تعداد آرا لینک به آستانه انتشار بیشتر را پیش‌بینی می‌کنیم. نتایج به‌دست آمده نشان می‌دهد که روش پیشنهادی، می‌تواند تا 77 درصد، پیش‌بینی دقیقی از میزان انتشار لینک داشته باشد. برای تعیین چگونگی انتشار لینک، با استفاده از تحلیل آرا کاربران، رای‌دهندگان لینک را پیش‌بینی می‌کنیم. در این روش، کاربران به گروه‌های متعددی تقسیم می‌شوند و براساس اینکه متعلق به کدام گروه هستند، می‌توان رای دهندگان لینک‌هایشان را پیش‌بینی کرد. بنابراین ما با بررسی رفتار کاربران شبکه بالاترین توانستیم تاثیر رفتار آن‌ها را در میزان و چگونگی انتشار محتوا پیش‌بینی کنیم. از نتایج بدست آمده می‌توان برای تاثیرگذاری و انتشار بیشتر یک مطلب استفاده کرد.
- Abstract
- Nowadays, online social networks have been grown tremendously and have changed the human communication. For example, the political events of Middle East had affected by social networks in 2009. More information about people and their preferences is being gathered by social networks; analyzing these types of data can contribute to highly beneficial information about the social network’s structure, people’s behavior and predicting future activities for a user. The prediction is directly affected by user, content or network structure features, or a combination of them. In the prediction based on the user features, the relationship between users and their preferences is studied. In this thesis, we predict content diffusion by exploiting only user based features and predict how a new content is diffused. The diffusion of content is measured by content views or votes count. Also, the voters of a specific content that help to content diffusion are predicted. In prediction of content diffusion, the submitted contents by users are divided to two classes, hot links and Not-Hot links. Hot links are the contents that get vote upper than a specific threshold and are more popular. By relying to writer preferences to vote, the popularity of a specific content is estimated. In prediction of voters, both writers and voters preferences in various categories and weekdays are considered. Also, the similarity of users is used. Our computation revealed that the voters of links that their writers are very famous and active in all categories are predicted by similarity measure better than other measures. While, about the links that their writers are active just in a specific category, considering the category preferences have better prediction of voters. The result of content diffusion can be used in opinion formation and influence process.
