فهرست نشریات علمی دسترسی آزاد ایران

بررسی رخدادها و روند مواجهه کاربران شبکه‌های اجتماعی با پدیده‌های روزمره، بخش مهمی از تحلیل‌های آینده پژوهی را به خود اختصاص داده است. کاربران بعد از مطالعه توئیت‌ها، اقدام به تصمیم‌گیری برای بازنشر توئیت‌های مورد علاقه خود می‌نمایند. بررسی‌ها نشان می‌دهد تنها 1% کاربران، 50% توئیت‌های توئیتر را ایجاد می‌کنند و 25% گردش اطلاعات آن را کنترل می‌نمایند. برطبق این آمار، بازنشر توئیت‌ها در توئیتر، یک ابزار مهم برای انتشار اطلاعات می‌باشد. پیشگویی رفتار بازنشر کاربران یکی از چالش‌های مهم در حوزه میکروبلاگ‌ها به شمار می‌آید. روش‌هایی که ارائه شده است مبتنی بر خصیصه‌های آماری مربوط به داده‌های مختلف این میکروبلاگ می‌باشند و کمتر به صورت محتوایی اثرگذاری ، هر توئیت را بر روی کاربر مشخص، مورد اندازه‌گیری قرار داده است. علی رغم تنوع موضوعی ، محتوایی توئیت‌ها و کاربران مختلف، اکثر این روش‌ها با ارائه یک مدل عمومی بر مبنای خصیصه‌های پرتعداد، از دقت برخوردار نیستند و قادر به ارائه پیشگویی در زمان برخط نمی باشند. در این مقاله با معرفی خصیصه‌های مبتنی بر بررسی محتوایی یک توئیت و اندازه‌گیری آن‌ها، تخمین میزان ارزش محتوایی یک توئیت برای کاربر مشخص، صورت می‌گیرد. با تعریف این مسئله به صورت یک مسئله کلاس‌بندی باینری بر اساس خصیصه‌های پیشنهادی، پیشگویی رفتار بازنشر کاربران به صورت انفرادی صورت می‌گیرد. مسئله کلاس بندی با استفاده از جدیدترین دستاوردهای حوزه یادگیری عمیق حل شده است. با کمک سه مجموعه داده جمع آوری شده واقعی، کارایی روش پیشنهادی مورد ارزیابی قرار می‌گیرد. دقت اندازه‌گیری خصیصه‌های پیشنهادی 0.85.بررسی شده . تاثیرگذار بودن آن‌ها نشان داده می‌شود.