28195

پيش بيني توليد، رشد و تقليل رخدادها در شبكههاي اجتماعي بر اساس شواهد اوليه

كارشناسي ارشد

مهندسي كامپيوتر-نرم افزار

1399

1401/11/25

حسن نادري

كامپيوتر

رخدادهايي كه در فضاي مجازي اتفاق ميافتند در دنياي واقعي نيز تاثيرگذار هستند. دانستن ميزان رشرد و فراگير شدن يك رخداد و همچنين مد زماني كه افراد در آن مشاركت ميكنند كاربردهاي زيادي از جمله تعليغا، سامانههاي توصيهگر و موارد ديگر دارد. رويكردهاي بسياري در زمينه كشف يا پيشبيني رويدادهاي مجازي وجود دارند كه بر اساس محتوا، خصوصيتهاي گراف و ويژگيهاي ديگر ارايه شدهاند. هدف اين تحقيرق پريشبينري فراينرد رشرد و تقلير رخدادها بوده و به اين سوال پاسخ داده ميشود كه آيا ميتوان در رويدادي كه تازه آغاز شده، بدون اطلاع از موضوع (محتواي) آن يا وروديهاي ديگر و تنها بر اسراس ميرزان و نحروهي رشرد فعلري رخرداد، در مرورد حجمش در آينده نظر داد يا خير. به اين منظور با ارايه الگوريتميجديد بخش اصلي رويدادها را از اختلالا كوچك و مقادير ناچيز در ابتدا و پايان آنها جدا كردهايم تا بتوانيم به درستي در مورد رخدادها نظر بدهيم. در اين تحقيق دادههاي مربوط به ريتوييتهاي بين افراد در رخدادهاي گذشته توييتر مدنظر قررار گرفتنرد كه با بررسي مجموعه داده تميز شده از جهرا مختلرف و انتخراب ويژگريهراي گونراگون، بره ايرن نتيجره رسيدهايم كه پيشبيني آينده رخداد از بعد حجم ممكن بوده ولي از بعرد زمران حرداق برا وروديهراي مرا ممكن نيست. پس توانايي و پتانسي رشد رخداد از نظر تعداد ريتوييت قاب پيشبيني بوده و نمريتروان در حوزه زمان اين پيشبيني را انجام داد. به اين منظور سه مدل جنگ تصادفي، شرعكه عصرعي و نزديكتررين همسايگان را با يكديگر مقايسه كردهايم. در پايان دو مدل تركيعي متشك از شعكه عصعي مصنوعي و جنگ تصادفي ارايه شده است كه بر اساس رشد يك رويداد در 12ساعت اول و دوم عمرش، ميزان رشد نهايي آن در آينده تخمين زده ميشود.

1402/02/12

Predicting the Creation, Growing and Diminishing of Events in Social Networks based on the elementary evidence

2/14/2024 12:00:00 AM

The events that unfold in the cyber space have real-life consequences. To know an event’s potential for growth can be useful for advertisement, recommender systems and other applications. The many approaches towards event detection and event prediction are usually based on content or graphs or other attributes. The goal of this study is to predict the rise and fall of events and to answer this question: in an event that has just started, without any knowledge of its subject or any other inputs and by only observing its current growth, can we make a prediction about its future volume? Using data belonging to retweets between users in past twitter events, we have proposed a new algorithm to extract the main part of an event and to cut out small and noisy data in the beginning and the end so that we may use the main part of an event’s lifetime. After studying the attributes of this cleaned data, we have deduced that predicting the future volume of an event is possible in terms of retweet value, but not possible in terms of duration(at least with our inputs). After comparing neural networks, random forests and k-nearest neighbors, in the end we have proposed two hybrid models based on random forests and neural networks. We have used them to estimate an event’s future volume based on its growth in its first and second 12 hours.

رشد رخداد , رخداد شبكه اجتماعي , پيش بيني رخداد

Event growth , Social network event , Event prediction

Alireza Servatian

Hassan Naderi