حسنیه صفی آریان - دانشجوی دکتری، گروه مدیریت فناوری اطلاعات ، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
محمد جعفر تارخ - استاد، گروه مهندسی صنایع، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران
محمدعلی افشارکاظمی - دانشیار، گروه مدیریت ، واحد تهران مرکز، دانشگاه آزاد اسلامی ، تهران، ایران

حضور رسانه های اجتماعی باعث ایجاد تحولات اساسی در جوامع امروزی شده است. این رسانه ها بستری مناسب برای کاربران در جهت اشتراک گذاری ایده ها باشد.همین امر موجب شده است که کاربران با انبوهی از اطلاعات مواجه شوند که در بیشتر اوقات مناسب آن ها نباشد و نفوذ کمی بر روی آن ها داشته باشد. ارائه روشی جهت انتخاب پست های اثرگذار برای کاربر در میان انبوهی از پست ها ، می تواند بسیار حائز اهمیت باشد. روش هایی که در پژوهش های اخیر در جهت انتخاب پست های اثرگذار ارائه شده است مبتنی بر خصیصه های آماری مربوط به داده های مختلف میکروبلاگ ها می باشند و کمتر به صورت محتوایی اثرگذاری ، هر پست را بر روی کاربر مشخص، مورد اندازه گیری قرار داده است. علی رغم تنوع موضوعی ، محتوایی توئیت ها و کاربران مختلف، اکثر این روش ها با ارائه یک مدل عمومی بر مبنای خصیصه های پرتعداد، از دقت برخوردار نیستند و قادر به ارائه پیشگویی در زمان برخط نمی باشند. در این پژوهش ، با تحلیل انتشار پست ها بین کاربران در بازه زمانی مشخص، به بررسی روشی برای سنجش توجه کاربران به مطالب به اشتراک گذاشته شده و تاثیرات آن ها پرداخته می شود، این روش IKS نام گذاری شده است که بر مبنای خصیصه های محتوای منتشر شده توسط کاربر ارائه شده است و به صورت یک مساله کلاس بند دودوئی که برمبنای یادگیری عمیق می باشد. ارزیابی این روش با استفاده از روش شهودی و ارزیابی مجموعه دادگان انجام شده است که دقت بیشتری در مقایسه با سایر روش ها دارد.

انتشار, پست اثرگذار, کاربر, مدیریت دانش, یادگیری عمیق