ارائه ­دهنده:
 سوران قادری

  استاد راهنما:
دکتر محمدرضا کنگاوری
 

استاد داور داخلی: دکتر حسن نادری

استاد داور خارجی: دکتر محمد صنیعی آباده



زمان : ۲۴ شهریور ماه ۱۴۰۳

  ساعت ۱۶:۰۰

چکیده پایان نامه :

در رسانه‌های اجتماعی، میلیون‌ها کاربر روزانه با انتشار نظرات خود تعاملات گسترده‌ای را شکل می‌دهند. محتوای این کاربران که به شکل پست یا توییت منتشر می‌شود، در صورت تحلیل دقیق، حجم عظیمی از اطلاعات ارزشمند را در اختیار قرار می‌دهد. به همین دلیل، داده‌های منتشر شده از پلتفرم‌هایی نظیر ایکس (توییتر سابق)، فیس‌بوک و اینستاگرام برای محققان از اهمیت بالایی برخوردار است. از طریق تحلیل احساسات، می‌توان بینش‌های مهمی در مورد رفتار اجتماعی کاربران به دست آورد. شبکه ایکس یکی از مهم‌ترین سرویس‌های میکروبلاگینگ است که حجم زیادی از محتوای آنلاین تولید شده توسط کاربران را به‌صورت رایگان برای نظارت بر احساسات عمومی در زمان واقعی ارائه می‌دهد.
پیش‌بینی رویدادهای داغ در مراحل اولیه برای کاربردهایی چون استخراج اطلاعات و توصیه تبلیغات اهمیت زیادی دارد. بااین‌حال، باتوجه‌به محدودیت داده‌ها در مراحل اولیه، تمایز ویژگی‌های زمانی میان رویدادهای داغ و غیر داغ دشوار است. در این مطالعه، ما مدلی برای پیش‌بینی رویداد در مراحل اولیه ارائه می‌کنیم که این چالش را برطرف می‌کند. مسئله پیش‌بینی رویداد داغ در قالب چند طبقه‌بندی‌کننده مدل‌سازی شده است که هم ویژگی‌های زمانی و هم ساختاری را در نظر می‌گیرد. علاوه بر این، آزمایش‌هایی روی توزیع ویژگی‌های انتخاب‌شده انجام داده‌ایم.
تحلیل نظری و ارزیابی‌های تجربی گسترده روی دو مجموعه‌داده واقعی، کارایی روش‌های ما را تأیید می‌کند. به‌ویژه، نمایه‌سازی دقیق و قابل‌استناد برای روندهای اجتماعی می‌تواند به طور چشمگیری به پیش‌بینی رویدادهای آینده کمک کند. تمرکز بر روابط معنایی میان کاربران و جوامع در شبکه‌های اجتماعی ناهمگن و وسیع مانند شبکه ایکس، به همراه استفاده از مدل‌های یادگیری عمیق، می‌تواند راهکارهای نوینی برای تشخیص رویدادهای آینده ارائه دهد.
واژه‌های کلیدی: سیستم‌های پیش‌بینی‌کننده، پیش‌بینی شناختی، نمایه‌سازی، شبکه اجتماعی، پیش‌بینی، سیستم‌های پیشنهاددهنده  .

.

 

مکان: دانشکده مهندسی کامپیوتر، طبقه ۲  ،اتاق دفاعیه دکتری