28238

تشخيص ناهنجاري در شبكه هاي اجتماعي بر پايه تحول احساسات

كارشناسي ارشد

كامپيوتر

1399

1401/12/20

حسن نادري

كامپيوتر

با گسترش شبكههاي اجتماعي در ميان افراد سراسر جهان و همچنين افزايش دادههاي متني موجود در شبكههاي اجتماعي، يكي از دغدغههاي اصلي سازمانها استفاده درست از اين دادهها شده است بهطوري كه بتوانند در كوتاهترين زمان ممكن و با سريعترين روش پي به احساسات واقعي كاربران خود ببرند، همچنين بتوانند با كمك گرفتن از ابزار مختلف تغيير احساسات كاربران خود را تحت نظر داشته باشند تا محصولات و خدمات خود را در بهترين زمان ممكن عرضه كرده و از موفقيت و يا شكست محصول از ديد كاربران نيز با خبر باشند از آنجا كه تحليل دادههاي متني كه به صورت در حال انتشار هستند كاري تخصصي و سخت است از اينرو در اين روش با تكيه بر تكنيكهاي پردازش متن و شناسايي احساسات كاربران ابتدا درك درستي از احساسات واقعي آنها نسبت به يك موضوع پيدا كرده و سپس به تحليل رفتار كاربران ميپردازيم تا يك الگو رفتاري دقيق از هر كاربر به دست آورده و با توجه به همين الگو هر زمان كه كاربران دچار تغييرات ناگهاني احساسات شده باشند آن را شناسايي كرده و بينش درستي از نوسانات احساسات كاربران پيدا كنيم و سپس نسبت به موضوعات مطرح شده آنها جوامع مختلف را بر اساس هشتگهاي يكسان شناسايي كرده و دلايل رضايت و نارضايتي آنها را با توجه به كلمات كليدي كشف كينم. در گذشته با تكنيكهاي مختلفي سعي در تشخيص احساسات كاربران شده است كه از تنوع بالايي نيز برخوردار هستند همچنين تحولات احساسي آنها در بازههاي مختلف مورد مطالعه قرار گرفتهاست اما تشخيص ناهنجاري در سطح احساسات كاربر و جامعه آن هم از روي تغييرات احساسات كار مهمي است كه پيشاز اين زياد به آن توجه نشده است. در اين روش با بهكارگيري روشهاي مرسوم گذشته براي تجزيه و تحليل احساسات و استفاده از تشخيص ناهنجاري در سطح كاربر و جامعه همچنين پيدا كردن جوامع مختلف بر پايهي هشتگهاي يكسان و كشف كلمات پر تكرار در آن جوامع سعي شده است تا بتوان درك بهتر و درستتري از احساسات، تغيير احساسات و دلايل تغيير احساسات در شبكههاي اجتماعي را به دست آورد.

1402/02/18

anomaly detection in social networks based on sentiment evulotion

3/10/2024 12:00:00 AM

With the expansion of social networks among people all over the world, as well as the increase of textual data available in social networks, one of the main concerns of organizations is the correct use of this data so that they can in short find out the real feelings of their users as soon as possible and with the fastest method, and also be able to monitor the change of their users' feelings with the help of various tools in order to offer their products and services at the best possible time and to be successful and or the failure of the product from the users' point of view, since the analysis of the text data that is being published is a specialized and difficult task, therefore, in this method, relying on text processing techniques and emotion identification Users first get a correct understanding of their real feelings towards a subject, and then we analyze the behavior of users to obtain an accurate behavioral pattern of each user, and according to this pattern, whenever users experience sudden changes in feelings to identify it and find a correct insight into the fluctuations of users' feelings, and then identify different communities based on the same hashtags regarding the issues raised by them and the reasons for their satisfaction and dissatisfaction according to keywords I discovered my hatred. In the past, various techniques have been used to detect the emotions of users, which have a high diversity, and their emotional changes have been studied in different periods, but the detection of anomalies in the level of the user's and society's emotions is also Changes in emotions is an important work that has not been paid much attention to. In this method, by using traditional methods of the past to analyze sentiments and use anomaly detection at the user and community level, as well as finding different communities based on the same hashtags and discovering repeated words in those communities. It has been tried to get a better and more accurate understanding of emotions, change of emotions and reasons for change of emotions in social networks.

تشخيص ناهنجاري , شبكه هاي اجتماعي , تحول احساسات

anomaly detection , social networks , sentiment evolution

amir shabani

hasan naderi