22624

ارائه مدل توصيه گر هشتگ به منظور بيشينه سازي انتشار محتوي در بستر رسانه هاي اجتماعي

كارشناسي ارشد

فناوري اطلاعات - تجارت الكترونيك

1399

1399/06/29

دكتر بابك اميري

دكتر مهدي غضنفري

صنايع

نماد درهم سازي، كه برچسب هشتگ ناميده مي‌شود، مي‌تواند به عنوان نشانه‌اي از زمينه توييت يا به عنوان ايده اصلي بيان‌شده در توييت ديده شود. آن‌ها اطلاعات ارزشمندي را براي بسياري از كاربردها مانند بازيابي اطلاعات، استخراج عقايد، طبقه‌بندي متون و غيره فراهم مي‌كنند. با اين حال، تنها تعداد كمي از توييت ها به صورت دستي برچسب گذاري مي‌شوند.براي پرداختن به اين مشكل، در اين تحقيق، ما يك مدل پيشنهاد هشتگ ميتني بر رويكرد يادگيري عميق ارائه مي‌كنيم. روش هاي مختلفي در اين راستا به كار گرفته شده اند كه ما در اين تحقيق مدل هاي مختلفي را از رويكردهاي مبتني بر يادگيري ماشين و يادگيري عميق ، پياده سازي كرده و با يكديگر مقايسه مي كنيم. همجنين ما به طور خاص ، به كارگيري ساختار نحوي متن را در فرآيند يادگيري براي پيشنهاد هشتگ ، پيشنهاد مي دهيم. براي اين منظور مدل حافظه طولاني كوتاه-مدت نحوي را به كار مي گيريم. نتايج تجربي بر روي مجموعه داده از بستر توييتر نشان مي‌دهد كه روش پيشنهادي بهتر از روش‌هاي قبلي عمل مي‌كند و عملكرد كار پيشنهاد هشتگ را بهبود مي بخشد.

1399/08/27

A new hashtag recommender system for diffusion of information in Social Media

9/19/2020 12:00:00 AM

Hashtags can be considered as an indication to the context of the tweet or as the core idea expressed in the tweet. They convey valuable information for many applications, such as information retrieval, opinion mining, text classification, and so on. However, there are only a small number of tweets which are manually labeled with these hashtags. To overcome this problem, in this study, we propose an automatic hashtag recommendation model based on the deep learning approach. There are various models from machine learning and deep learning approaches which we have implemented and evaluated their performance in this study. Particularly, we are eager to incorporate syntactic structure of the texts in the training process of the hashtag recommendation model. Therefore, we propose the syntactic based LSTM model in this study. Experimental results on the twitter dataset demonstrate that the proposed method outperforms state-of-the-art models in this task.