مدلسازی چرخه حیات یک پست به منظور تخمین احتمال همه گیری یک پست در اجتماع برخط

توضیحات

چکیده

به کارگیری اجتماعات برخط یکی از زمینه های رو به رشد در بین کاربران اینترنتی می باشد. از این طریق، میلیون ها کاربر می توانند به صورت نامحدود، با یکدیگر ارتباط داشته باشند. این فناوری، علاوه بر نقش ارتباطی، گنجینه ای از دیدگاهها، دانش ها و احساسات کاربران به شمار می آید. چنین محتواهای عظیمی، می توانند کاربردهای بسیاری در بازاریابی، آموزش الکترونیکی و تجارت الکترونیکی داشته باشند. علی رغم تعداد بالای ایجاد پست های اطلاعاتی در اجتماعات برخط، انتشار اطلاعات با مشکلات زیادی مواجه می باشد. پدیده گرانباری اطلاعات در اجتماعات برخط، کاربران را در دریافت اطلاعات مناسب با ویژگی ها و علایق آنها، دچار مشکل نموده است. مدل سازی چرخه حیات یک پست امکان بررسی طریقه انتشار اطلاعات در بین کاربران را فراهم می نماید. در این اجتماعات، هر پست بعد از ایجاد، توسط کاربران بازنشر شده و انتقال می یابد. این عمل تا زمان میرایی یک پست یعنی زمانی که پست دیگر بازنشر نمی شود، ادامه پیدا می کند. در این مقاله روش مدل سازی چرخه حیات پستها در اجتماعات برخط ارائه می گردد. این روش قابلیت این را دارد که احتمال همه گیری یک پست را به صورت پویا در هر زمان مشخص نماید. برای این کار از یک روش یادگیری تقویتی مبتنی بر اتوماتای یادگیر استفاده شده است. ارزیابی های صورت گرفته نشان از کارایی مناسب این روش در سه مجموعه داده ارزیابی، دارد.

ABSTRACT

Employing online communities is one of the growing areas among internet users. This way, millions of users can interact with each other indefinitely. In addition to its communicative role, it is a treasure trove of users’ views, knowledge and feelings. Such great content can have many applications in marketing, e-learning and e-commerce. Despite the high number of information posts being created in online communities, there is a great deal of difficulty in disseminating information. The overbearing phenomenon of online communities has made it difficult for users to obtain information relevant to their features and interests. Modeling the life cycle of a post allows to examine how information is distributed among users. In these communities, each post is created and redistributed by users after it is created. This action will continue until one post is depreciated, when the other post is not reset. This paper presents the method of modeling the life cycle of substations in online communities. This method is capable of dynamically detecting a post at any time. For this purpose, an automated learning-based reinforcement learning method was used. Evaluations show that this method is effective in three evaluation datasets.

Year: ۲۰۱۹

Publisher : The 5th International Web Research Conference

By : Omidreza Blocki Spili, Ahmad Aghakardan

File Information: English Language/ 12 Page / size: 844 KB

Download tutorial

سال : ۱۳۹۸

ناشر : پنجمین کنفرانس بین المللی وب پژوهی

کاری از :  امیدرضا بلوکی اسپیلی,احمد آقاکاردان 

اطلاعات فایل : زبان فارسی / 12 صفحه / حجم : KB 844

آموزش دانلود

مقالات وکتاب های مشابه را از سایت تعلیم از اینجا می توانید مشاهده بفرمایید