مدل سازی رفتار انسانی در شبکه اجتماعی توئیتر به کمک الگوریتم خوشه بندی K-Menas

آمارها نشان میدهد در بعضی از شبکه های اجتماعی مانند توئیتر، فیس بوک و ... ، شایعه پراکنی در خصوص اتفاقات آنچنان زیاد شده است که کاربران را در تصمیمات خود دچار اشتباه می کنند و حتی بعضی اوقات این گونه شایعات و تصمیمات نا به جا، باعث آشوب در جوامع مختلف شده است. با توجه به داده های موجود در شبکه های اجتماعی که شامل علایق، خصوصیات اخلاقی کاربران و اطلاعاتی که به صورت روزانه بین افراد به اشتراک گذاشته و گفتگوهایی که بین کاربران رد و بدل می شود، این موضوع ما را بر آن داشت که در این مقاله با استفاده از داده کاوی و الگوریتم خوشه بندی K-Means داده های مربوط به سایت توئیتر که شامل اطلاعات شایعه پراکنی در گفتگوی افراد می باشد را با استفاده از نرم افزار RapidMiner مورد آنالیز قرار داده و مدل رفتاری انسانی موجود را تشخیص داده و به نمایش بگذاریم. نتایج بدست آمده از خوشه بندی رکورد ها، نشان می دهد که یکی از خوشه ها، نزدیک به نصف رکورد ها را به خود اختصاص داده و کمترین میانگین مقدار، مربوط به این رکوردها می باشد، این موضوع اثبات می کند که حدود 50 % کاربران به صورت یک فرد معمولی، نه یک شایعه ساز وارد گفتگو با افراد شداند و حدود 49 % رکوردها که میانگین مقداری نسبتاً متوسطی دارند افرادی هستند که بعد از گفتگو با افراد شایعه ساز، خود نیز شروع به پخش شایعه میکنند، و همچنین با توجه به اینکه که حدود 01 . رکورد ها، میانگین مقدار بالایی دارند، می توان نتیجه گرفت تعداد افراد کمی هستند که با نیتی خاص وارد شبکه توئیتر شده و شایعه را ایجاد و گسترش می دهند.

Keywords:

شبکه های اجتماعی , اشتراک گذاری , گفتگوها , داده کاوی , خوشه بندی , مدل سازی , الگوریتمk-Means , نرم افزار Rapid Miner