فهرست نشریات علمی دسترسی آزاد ایران

تحلیل داده‌های شبکه‌های اجتماعی برخط یکی از چالش‌های علمی مورد توجه در عصر حاضر است. در زمینه تحلیل نظرات کاربران در این شبکه‌ها، حداکثرسازی پویایی نظرات به‌عنوان یک حوزه پژوهشی جدید مطرح شده است. تحقیقات پیشین در این حوزه عمدتاً فرض کرده‌اند که نظرات گره‌ها ثابت و بدون تغییر هستند. همچنین، کمتر به تغییرات زمانی نظرات کاربران پرداخته شده است. در این مقاله، با درنظر گرفتن پویایی نظرات و تغییرات آن در طول زمان، روشی برای مسئله حداکثرسازی پویایی نظرات بر اساس الگوریتم ژنتیک حریصانه پیشنهاد شده است. این روش شامل دو بخش اصلی است. مدل پویایی نظرات فعال‌شده و فرایند انتخاب گره‌های دانه. مدل پویایی نظرات فعال‌شده با استفاده از ترکیب مدل انتشار آستانه خطی و یادگیری Q بدون حالت طراحی شده است که تغییرات زمانی نظرات را در نظر می‌گیرد. برای انتخاب گره‌های دانه، الگوریتم ژنتیک حریصانه به‌کار گرفته شده است. پس از تعیین گره اولیه یا دانه، مدل پویایی نظرات فعال‌شده آغاز می‌شود. در این مرحله، گره اولیه و همسایگان آن براساس مدل انتشار آستانه خطی فعال‌سازی می‌شوند. سپس با بهره‌گیری از یادگیری Q بدون حالت، نظرات گره‌ها به‌روزرسانی می‌گردند. این فرآیند به صورت تکرارشونده ادامه می‌یابد تا زمانی که شرایط خاتمه مورد نظر برآورده شوند. نتایج تجربی حاصل از آزمایش بر روی چهار مجموعه‌داده‌ی شبکه‌های اجتماعی امضاشده نشان می‌دهد که روش پیشنهادی در مقایسه با بهترین روش‌های موجود، در معیار تعداد گره‌های فعال 14 درصد و در معیار میانگین نظرات مثبت 27 درصد بهبود عملکرد داشته است.