10706

شناسايي موضوعات داغ در شبكه هاي اجتماعي بر مبناي تحليل محتوايي

1401

دكتر حسن نادري

دكتر عين اله خنجري

امروزه با روز افزون شدن استفاده از شبكه هاي اجتماعي در بين مردم و نفوذ حداكثري در اقصي نقاط دنيا كه منجر به ايجاد بستري براي بيان مشاهدات عيني، نظرات، احساسات و عقايد تك تك مردم جامعه شده است ، شاهد اين پديده هستيم كه اقبال عمومي جامعه به پيگيري اخبار و اطلاعات از طريق شبكه هاي اجتماعي بيشتر از روش هاي سنتي مانند راديو ، تلويزيون و جرائد شده است. از طرفي سرعت اطلاع رساني و انتشار اخبار از طريق اين شبكه ها نيز بيشتر از ساير روشها مي باشد. در ضمن انتقال مستقيم و شفاف اخبار از شاهدان عيني، نيز از عوامل موثر در مورد توجه قرار گرفتن بيشتر اين رسانه هاي نوين مي باشد. در حال حاضر با توجه به حجم عظيم تعاملات و تبادلات در شبكه هاي اجتماعي بين كاربران، اين فرصت پديد آمده است كه با بررسي پيامهاي مبادله شده در اين شبكه ها و با استفاده از تكنيك هاي داده كاوي و هوش مصنوعي بتوان به صورت خودكار و در لحظه از زخداد هاي موجود در دنياي واقعي قبل از اينكه رسانه اي شوند مطلع شد . از مزايا و كاربردهاي تشخيص زود هنگام رخدادها مي توان در زمينه هاي شناسائي بلاياي طبيعي و نقاط تحت تاثير آن ، انتشار بيماري هاي واگير دار ، رديابي شبكه هاي جرم و جنايت، امنيت اجتماعي و ... بهره برد. در اين سمينار قصد داريم مروري بر روش هاي استخراج موضوعات پركاربرد يا به اصطلاح داغ شبكه هاي اجتماعي كه تاكنون توسط محققان در طول يك دهه گذشته صورت گرفته است و دسته بندي، مزايا و معايب هر يك بپردازيم . سپس در يك طبقه بندي كلي همه اين روش ها را دسته بندي مي كنيم. در اين بررسي،به عنوان مطالعه موردي، شبكه توئيتر را انتخاب كرده ايم كه در واقع يكي از بزرگترين و فراگيرترين شبكه هاي اجتماعي حال حاضر بوده و امكانات مناسبي در دسترسي به محتواي پيامها و اطلاعات مرتبط با آن، با استفاده از API هاي ارائه شده، در اختيار محققان مي گذارد.

5/11/2022 12:00:00 AM

74793

1401/02/23

Trend detection in social network based on content analysis

تشخيص رخداد , تشخيص موضوع داغ , روشهاي جرياني و دسته اي , پردازش زبان طبيعي , انتخاب ويژگي , خوشه بندي , طبقه بندي , توئيتر

Event Detection , Trend Detection , Online Stream , Batch Stream , Natural Language Processing , Feature selection , Clustering , Classification , Twitter