یک رویکرد یادگیری ماشین برای طبقه بندی کاربران توئیتر

شبکه های اجتماعی به عنوان ساختارهای اجتماعی ساخته شده از تعداد بی شماری گره هستند که افراد یا سازمان ها را از طریق تبادلات تجاری، سرگرمی دوستی و احساسی به یکدیگر مرتبط می سازند. به منظور طبقه بندی کاربران بر اساس ماهیت شان می توان رایج ترین تکنیک های داده کاوی از جمله طبقه بندی و خوشه بندی را به کار برد. طبقه بندی کاربران شبکه اجتماعی به منظور آنالیز کاربران، در جهت شناخت ماهیت آنها که به منظور توسعه و گسترش این شبکه اجتماعی انجام می شود. شبکه های اجتماعی نظیر توئیتر تبدیل به یک سرویس محبوب میکروبلاگینگ شده است که در آن کاربران پیام های وضعیت (توئیت ها) یا نظرات را ایجاد می کنند. در این تحقیق از اطلاعات ساختار ارتباطی بین کاربران، توئیت های مشترک بین آنها و همچنین ویژگی های مربوط به پروفایل کاربران از شبکه اجتماعی توئیتر جهت شناسایی اجتماعات (گروه ها) استفاده می کنیم. روش پیشنهادی مبتنی بر یک الگوریتم خوشه بندی تجمعی ابتکاری و مدل طبقه بندی SVM می باشد. نتایج آزمایش ها برتری روش پیشنهادی را در معیارهای Modularity، Precision، Recall و F-Measure نسبت به دو روش ECD و DLA نشان می دهد.

Keywords:

شبکه های اجتماعی , طبقه بندی کاربران , خوشه بندی تجمعی , توئیت های کاربران