چکیده:
در فضای مجازی، شبکه های اجتماعی به عنوان نوع جدیدی از وبسایت ها متولد شدهاند و کاربردها، کاربران و طرفداران بسیاری پیدا کردهاند. شبکه های اجتماعی یکی از انوع رسانه های اجتماعی محبوب محسوب میشوند و محلی برای شکل گیری جماعت های مجازی و شبکه سازی کاربران اینترنتی هستند کاربران اینترنتی را برحسب نوع مواجه خود با شبکه های اجتماعی مـی تـوان بـه شـکل هـای مختلـف دسته بندی کرد. باتوجه به گسترش انواع شبکه های اجتمـاعی، نیـاز بـه الگـویی اسـت تـا براسـاس آن تصمیم گیری استراتژیک و یا اتخاذ خط مشیهای جدید برای خدمت رسانی بهتـر بـه کـاربران صـورت گیرد. هدف این پژوهش ، ارائه سازوکاری جهت پیش بینی الگوهای رفتاری افراد در شبکه های اجتماعی و به کارگیری تکنیک های دادهکاوی با استفاده از روش فراینـدی اجـرای پـروژههـای دادهکـاوی بـرای ردهبندی و تحلیل رفتار کاربران شبکه اجتماعی به منظور شناخت بهتر آنها و در نتیجه بهبود خـدمات ارائه شده و تدوین استراتژیهای مناسب میباشد. جامعه آماری پژوهش کاربرانی میباشد که از شبکه اجتماعی مورد نظر استفاده میکنند که شامل تعداد ٣١٠٣٣ کاربر فعال است . درک صحیح از الگوهـای رفتاری کاربران شبکه های اجتماعی، منجر به انطباق هرچه بهتر خدمات ارائه شده به وسـیله شـبکه بـا نیازهای کاربر و به تبع آن، توسعه تعداد کاربران شـبکه و افـزایش ارزش افـزوده آن بـرای کـاربران و درآمدزایی برای متولیان شبکه میگردد.
خلاصه ماشینی:
هدف این پژوهش ، ارائه سازوکاری جهت پیش بینی الگوهای رفتاری افراد در شبکه های اجتماعی و به کارگیری تکنیک های دادهکاوی با استفاده از روش فراینـدی اجـرای پـروژههـای دادهکـاوی بـرای ردهبندی و تحلیل رفتار کاربران شبکه اجتماعی به منظور شناخت بهتر آنها و در نتیجه بهبود خـدمات ارائه شده و تدوین استراتژیهای مناسب میباشد.
منظور از تحلیـل رفتار کاربران این میباشد که پس از پیش پردازش دادهها با استفاده از تکنیـک هـای دادهکـاوی مدل دادهای طراحی شود تا بتوان بین کاربران شبکه های اجتماعی تفکیک قائل شد و آنها را در خوشه های مختلف تقسیم بندی کرد تا در آینده براساس دانش حاصـل از ایـن مـدل در اتخـاذ تصمیم مناسب در مقابل رفتار کاربران مورد استفاده قرار گیرد.
مجموعه دادههای مورد استفاده بـرای این مقاله کاربران یکی از شبکه های اجتماعی- ایرانی پرکاربرد است که شامل تعـداد ٣١٠٣٣ کـاربر فعال بوده و اقلام اطلاعاتی بر مبنای ابعاد مختلف فعالیت آنها گردآوری شده است .
درنهایت برای هر دسته از کاربران جهت تشخیص دادههای پرت از شـاخص عامـل پـر محلی استفاده شده است تا بتوان با انجام پیش پردازش روی دادهها کیفیت نتیجه دادهکـاوی را بهبود بخشید (شکل ٣).
B. Ellison (2007) "Social network sites: definition, history, and scholarship", Journal of Computer-Mediated Communication, 13 (1):210–230.
[10] Ravneet Kaur, Sarbjeet Singh (2015) "A survey of data mining and social network analysis based anomaly detection techniques", Egyptian Informatics Journal.
Carro, José Ignacio Quiroga (2014) "Predicting user personality by mining social interactions in Facebook", Journal of Computer and System Sciences, 80:57–71.