16917

تحليل رفتار كاربران در شبكه‌هاي اجتماعي واقعي با استفاده از روش‌هاي نوين تشخيص جوامع در گراف‌هاي پويا و داراي ويژگي

1399

دكتر حسن نادري

با گسترش روزافزون شبكه‌هاي اجتماعي و افزايش حجم داده‌هاي رفتاري كاربران، تحليل رفتار كاربران در اين فضاها به يكي از مسائل مهم و راهبردي در حوزه‌هاي علوم داده، تحليل شبكه و هوش اجتماعي تبديل شده است. يكي از مؤثرترين رويكردها براي اين منظور، تشخيص جوامع در شبكه‌هاي اجتماعي است؛ زيرا جوامع مي‌توانند الگوهاي پنهان تعامل، اشتراك علايق، تأثيرگذاري و تغييرات رفتاري كاربران را آشكار كنند. اين سمينار با تمركز بر گراف‌هاي پويا و داراي ويژگي، به بررسي و تحليل روش‌هاي نوين تشخيص جوامع در شبكه‌هاي اجتماعي واقعي مي‌پردازد. در اين راستا، هشت مقاله كليدي و به‌روز در اين حوزه مطالعه و مقايسه شده‌اند كه هر يك از منظرهاي متفاوتي همچون مدل‌سازي پويايي زماني، استفاده از ويژگي‌هاي گره‌ها، يادگيري نمايش گراف، يادگيري خصمانه، فشرده‌سازي گراف و بهينه‌سازي تركيبي، مسئله تشخيص جوامع را تحليل كرده‌اند. نتايج اين بررسي نشان مي‌دهد كه روش‌هاي جديد، به‌ويژه رويكردهاي مبتني بر يادگيري عميق و مدل‌هاي تركيبي ساختار–ويژگي، در مقايسه با روش‌هاي كلاسيك، دقت و توانايي بيشتري در شناسايي جوامع معنادار و تحليل رفتار كاربران در بازه‌هاي زماني مختلف دارند. همچنين، استفاده هم‌زمان از اطلاعات ساختاري و ويژگي‌هاي محتوايي كاربران، نقش مهمي در بهبود كيفيت تشخيص جوامع و استخراج الگوهاي رفتاري دارد. در نهايت، اين پژوهش ضمن تبيين مزايا و محدوديت‌هاي روش‌هاي مطرح‌شده، نشان مي‌دهد كه تشخيص جوامع در گراف‌هاي پويا و داراي ويژگي، بستر مناسبي براي توسعه سامانه‌هاي هوشمند مانند سيستم‌هاي پيشنهاددهنده، تحليل روندهاي اجتماعي، بازاريابي هدفمند و پايش رفتار كاربران در مقياس بزرگ فراهم مي‌كند.

1/28/2025 12:00:00 AM

89862

1404/12/04

Analyzing User Behavior in Real Social Networks through Novel Community Detection Methods in Dynamic Attributed Graphs

تحليل رفتار كاربران , شبكه‌هاي اجتماعي , تشخيص جوامع , گراف‌هاي پويا , گراف‌هاي داراي ويژگي , داده‌كاوي , يادگيري گراف

User Behavior Analysis , Social Networks , Community Detection , Dynamic Graphs , Attributed Graphs , Data Mining , Graph Representation Learning