• شماره ركورد
    22300
  • پديد آورنده

    شيوا حيدري

  • عنوان
    رديابي عقايد در شبكه هاي اجتماعي و پيش بيني آن
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    نرم افزار
  • سال تحصيل
    96-98
  • تاريخ دفاع
    1399/3/25
  • استاد راهنما
    دكتر كنگاوري
  • دانشكده
    كامپيوتر
  • چكيده
    پيش‌بيني عقايد كاربران، به معناي تعيين گرايش عقيده ‌ي آن‌ها در زمان آينده است كه در حوزه‌هاي تجاري، اقتصادي، سياسي و ... به مديران در تصميم‌گيري به‌موقع كمك مي‌كند. پيش‌بيني عقايد در سه سطح جامعه، گروه و فرد انجام مي‌شود. در اين پايان‌نامه پيش‌بيني عقايد كاربران به‌ازاي هر كاربر مدنظر قرار گرفته است. صحت پيش‌بيني از جمله مهمترين چالش‌هاي پيش‌بيني عقايد است كه وابسته به شناخت صحيح و ميزان اثر عوامل موثر بر عقيده كاربر است. تاكنون، عوامل موثر مختلفي بر روي عقايد افراد شناخته شده است. از جمله آن‌ها مي‌توان به عقايد پيشين فرد، ارتباطات فرد در شبكه‌هاي اجتماعي اشاره كرد. در كنار اين عوامل، عوامل ديگري نظير رويدادها، تحولات اجتماعي و... نيز ازجمله عوامل موثر مخفي هستند كه بر شكل‌گيري و تغيير عقايد فرد در آينده اثرگذارند. در اين پژوهش بر اساس دو نظريه قياس اجتماعي و ناهنجاري شناختي كه از نظريه‌هاي شناخته‌شده در روان‌شناسي اجتماعي هستند؛ عوامل مؤثر بر عقايد كاربران شناسايي مي‌شوند. مطابق اين نظريه‌ها، افرادي كه در يك گروه هستند؛ هنجارهاي مشابه‌ايي دارند. اين افراد، خود را با ساير افراد گروه مقايسه مي‌كنند و رفتار و عقايد خود را طبق هنجارهاي شكل‌گرفته در گروه، تغيير مي‌دهند. در شبكه‌هاي اجتماعي نيز اين نظريه برقرار است چراكه كاربران با جست‌وجوي كاربران مشابه، از واكنش‌ها و عقايد آنان نسبت به يك موضوع مطلع مي‌شوند. به طور خلاصه، عقايد كاربر و كاربران مشابه به عنوان عوامل اثر گذار شناخته شده اند. همچنين، روشي جهت يافتن يافتن كاربران مشابه پيشنهاد ميشود كه در آن كاربران مشابه، بر اساس ميزان تشابه محتوي توليد شده، شناخته ميشوند. استخراج مدل براي هر كاربر، با استفاده از رهيافت يادگيري ماشين و به طور خاص شبكههاي عصبي خودتكرار شونده استفاده شده است كه منجر به افزايش صحت 7 درصدي پيش‌بيني نسبت به كار مشابه شده است. علاوه بر امكان پيش‌بيني شروع سرد، اثر عوامل مخفي نظير رويداها را نيز در نظر مي‌گيرد.
  • تاريخ ورود اطلاعات
    1399/05/22
  • عنوان به انگليسي
    opinion tracking and prediction
  • تاريخ بهره برداري
    6/15/2021 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    شيوا حيدري

  • چكيده به لاتين
    Opinion prediction is determining the users’ stance in the future that helps managers to make decisions in time-critical problems. Prediction of opinions is made at three levels: community, group, and individual. Here, the individual level is considered. The Precision of predictions is the main challenge of the problem that depends on cognition of the influence parameters on forming opinions. Nowadays, various factors have been identified that affect users’ opinions. These include users’ previous opinions and connections on social media. Besides, there are other factors such as events, social developments, etc are that play an important role in forming users’ opinions. In this thesis, we aim to recognize the factors that affect users' opinions based on two theories of social comparison theory and cognitive dissonance theory. According to these theories, people in the same group have similar norms. They compare their behavior and beliefs with those in the same group and change them accordingly. Results show that by considering similar users and users’ opinion dynamics as influential factors the precision of the predictions up to 7% in comparison to the previous work.