ارائه یک مدل به منظور بررسی میزان رضایت مندی کاربران اینستاگرام با استفاده از الگوریتم های نیمه نظارتی

تحلیل داده کاربران در شبکه های اجتماعی به منظور بخش بندی آنها، پیش بینی رفتار، سنجش میزان رضایت مندی، توسعه محصولات، تشخیص ریسک و همچنین مدیریت فعالیت های سازمان دهی شده برای رسیدن به هدف، انجام می گیرد. در مدلسازی رفتار کاربران، داده های بدون برچسب براحتی می تواند از پایگاه داده های مختلف جمع آوری شوند، در حالی که جمع آوری داده های برچسب گذاری شده نیازمند افراد متخصص یا منابع طبقه بندی شده پرهزینه می باشند. اخیرا، یادگیری نیمه نظارتی، به منظور حل این مسیله پیشنهاد شده است و قابلیت الگوریتم های یادگیری را افزایش داده است. بر همین اساس در این مقاله یک مدل کلی، مبتنی بر تکنیک یادگیری نیمه نظارتی جهت دسته بندی رفتار کاربران در شبکه های اجتماعی؛ مانند اینستاگرام استفاده می شود. برای این منظور یک الگوریتم نیمه نظارتی ارایه می شود که با استفاده از آن ابتدا داده های مربوط به کاربران راضی جمع آوری شده و سپس با بهره گیری از یادگیری نیمه نظارتی سایر کاربران نیز مورد بررسی و دسته بندی قرار می گیرند.

Keywords:

الگوریتم های نیمه نظارتی , اینستاگرام , داده کاوی , شبکه های اجتماعی