داده کاوی در شبکه های اجتماعی

مقاله اول: بررسی رفتار کاربران شبکه های اجتماعی با علم داده کاوی مطالعه موردی شبکه فیس بوک

چکیده مقاله:

شبکه های اجتماعی مجازی، یکی از اتفاقاتی است که به سرعت در زندگی همه کاربران وب نفوذ پیدا کرده و روز به روز جایگاه خود را بیشتر تثبیت میکند. آنچه باعث توجه و اقبال گسترده به شبکه های اجتماعی در همه کشورهای دنیا از جمله ایران شده است، ماهیت تعاملی این شبکه ها است و همین مساله جذابیت آن را بالا برده است. یکی از مهمترین کاربردهای داده کاوی، تجزیه و تحلیل و آنالیز در شبکه های اجتماعی است. داده کاوی در شبکه های اجتماعی تا آن اندازه پرفایده است که دولت های زیادی در سراسر جهان با دقت بسیار بالایی شروع به سنجش نیازهای ضروری برای فعالیت در این فضا کرده اند. استفاده از تکنیک های داده کاوی مانند خوشه بندی، طبقه بندی و غیره می تواند در طبقه بندی شبکه های اجتماعی، یافتن الگوهای خاص و با ارزش در مورد رفتار کاربران و موارد دیگر کاربرد داشته باشد. در این تحقیق ضمن بیان رویکردهای پیشین به حوزه ی استفاده از داده کاوی در شبکه های اجتماعی، تلاش شد تا مدل جدیدی با نگرش پویا و تأکید بر انتخاب بهترین درختهای تصمیم ممکن متناسب با بانک داده ها ارائه شود. همچنین با هدف بررسی و شناسایی رفتار کاربران شبکه های اجتماعی با استفاده از یادگیری هدایت شده مورد مطالعه قرار گرفته شد.

کلیدواژه‌ها:

داده کاوی، خوشه بندی، درخت تصمیم، شبکه های اجتماعی

فایل PDF  – شش صفحه – سال 1393

 

50,000 ریال – افزودن به سبد خرید پرداخت به سبدخرید اضافه شد

 

——————————————————————————————————————–

مقاله دوم: داده کاوی در شبکه های اجتماعی

چکیده مقاله:

اخیرا چندین تکنیک برای یادگیری مدل های آماری،به وسیله ی تحقیقات در یادگیری ماشین و استخراج داده،به وجود آمده اند.همه ی این تکنیک ها باید گروهی از انتخابهای الگوریتمی و نمونه ای را مورد ملاحظه قرار دهد وباید با یکسری از چالش های آماری منحصر به یادگیری داده های رابطه ای روبرو شود.

کلیدواژه‌ها:

شبکه های اجتماعی، داده کاوی،تحلیل لینک، مدل های آماری

فایل PDF  – پانزده صفحه – سال 1392

 

70,000 ریال – افزودن به سبد خرید پرداخت به سبدخرید اضافه شد

 

 

—————————————————————————————–

سمینار کارشناسی ارشد – بررسی تکنیک های داده کاوی در تحلیل شبکه های اجتماعی

افزایش مشارکت افراد در فعالیتهای آنلاین من جمله انتشار محتوا در سالهای اخیرو داشتن روابط و تعاملات مختلف، به همراه توسعه و پیدایش شبکه های اجتماعی آنلاین و گرایش و تمایل وسیع افراد به سمت آنها، باعث تولید و دسترس پذیری مقدار عظیمی اطلاعات ارزشمند شده است که قبلاً هیچ گاه موجود نبوده اند.

سمینار کارشناسی ارشد – بررسی تکنیک های داده کاوی در تحلیل شبکه های اجتماعی

فایل PDF  – چهل و سه صفحه – سال 1393

مبلغ: 8500 تومان

 

170,000 ریال – افزئدن به سبد خرید پرداخت به سبدخرید اضافه شد

 

 

—————————————————————————————————————-

سمینار کارشناسی ارشد: تحلیل رفتار کاربران در شبکه اجتماعی با استفاده از روش های داده کاوی

داده کاوی در شبکه های اجتماعی یکی از موضوعات پر طرفدار است.
یک شبکه اجتماعی به عنوان یک ساختار اجتماعی از اشخاص تعریف می شود که به صورت مستقیم یا غیر مستقیم و براساس رابطه ای مثل دوستی،اشتراک فایل،ارسال ایمیل و..با هم محاوره دارند .چنین شبکه هایی از قبیل ‎facebook,myspace‎ و … هستند که آنالیز آنها با تکنیک هاداده کاوی اخیرا مورد توجه قرار گرفته است که انگیزه اصلی این توجه ، تقاضا برای جستجوی دانش از مجموعه داده ها و یادگیری رفتار کاربران در محیط آنلاین است.برای نمایش شبکه های اجتماعی از یک گراف استفاده می شود که افراد ،گره ها و ارتباطات بین آنها، لینک های گراف است .کاربردهای داده کاوی در شبکه های اجتماعی را در زمینه های مختلفی می توان بیان کرد .برای مثال زمانی که تصمیم می گیریم که چگونه یک محصول را در ‎my space‎بازاریابی کنیم ،استفاده از تکنیک های داده کاوی در شبکه های اجتماعی به منظور تشخیص کاربرهای actor مهم و مرکزی،تشخیص محاورات افراد در گروه ها ،تشخیص کاربر هایی که به عنوان پل بین دو گروه هستند و چگونگی پخش اطلاعات در شبکه می تواند به ما در این امر کمک کند.در شبکه های اجتماعی سوالات زیادی در سطح گره،سطح زیر گروه و سطح شبکه وجود دارد که داده کاوی در شبکه های اجتماعی می تواند آنها را تحقیق کند در این سمینار تاکید مابیشتر بر روی کشف اجتماع است.اجتماع، مجموعه ای از کاربر ها است که در طولانی مدت به طور مکرر با هم محاوره و ارتباط دارند و بحث در این حوزه پیرامون گروه بندی, خوشه بندی و پیدا کردن زیر گرو هاوگراف کاوی و لینک کاوی است.تشخیص زیر گرو ها می تواند برای پیدا کردن علاقه مندی های ناشی از محاوراتی که مردم به آنها تعلق دارند به کار رود.در این سمینار سعی ما بر آن است که ابتدا به شرح مختصری از شبکه های اجتماعی و سپس وظایف داده کاوی در شبکه های اجتماعی بپردازیم پس از آن در زمینه تشخیص اجتماعاتcommunity detection‎ وارد جزئیات می شویم و انواع ساختار ها را مورد بررسی قرار داده و قوانین پایه برای کشف اجتماعات را بررسی می کنیم و در رابطه با برخی پیاده سازی های صورت گرفته در شبکه های اجتماعی مختلف از قبیل یوتیوب در زمینه کشف اجتماع صحبت خواهیم کرد. این گزارش اطلاعات خوبی را در زمینه داده کاوی در شبکه های اجتماعی در اختیار شما قرار خواهد داد.

نوع فایل: پی دی اف

تعداد صفحات: ۵۶ صفحه

قیمت:۸۰۰۰ تومان

160,000 ریال – افزودن به سبد خرید پرداخت به سبدخرید اضافه شد

 

——————————————————————————————————————

مقاله بعدی: روشی جهت بهبود صحت سیستم‌های پیشنهاددهنده در شبکه‌های اجتماعی با استفاده از تشخیص انجمن‌ها

چکیده:
مقاله سیستم های توصیه گر در شبکه های اجتماعی: جستجو برای خرید کالا در سایت‌های شبکه‌های اجتماعی اغلب برای کاربران کار وقت‌گیری می‌باشد. سیستم‌های تجارت الکترنیک سعی کرده‌اند به منظور کمک به مشتریان در تصمیم‌گیری، سیستم‌های پشتیبانی از تصمیم مبتنی بر وب شخصی شده از قبیل سیستم‌های توصیه گر را معرفی کنند. سیستم‌های پیشنهاد دهنده، پیشنهادهای شخصی شده را بر اساس تاریخچه خرید مشتریان و علایق آنها فراهم می‌کند و از این طریق آنها را در تصمیم‌گیری خرید پشتیبانی می‌کنند. تصمیمات خرید معمولا تحت تاثیر نظرات افرادی است که آنها را می‌شناسیم یا به آنها اعتماد داریم. در این مقاله ما قصد داریم برای کمک به تصمیم گیری خرید کاربران با استفاده از الگوریتم تشخیص انجمن‌ها در شبکه‌های اجتماعی، کاربرانی که بیشتر با یکدیگر تعامل دارند را خوشه‌بندی نموده و از خوشه‌های ایجاد شده در بهبود عملکرد سیستم پیشنهاد‌دهنده استفاده کنیم و به این ترتیب نقش سیستم های توصیه گر در شبکه های اجتماعی را نشان دهیم.

این مقاله در اولین همایش سیستم های هوشمند کامپیوتری دانشگاه پیام نور ارائه شده است.

نوع فایل: PDF

تعداد صفحات: ۶ صفحه

قیمت: 3500 تومان

 

70,000 ریال – افزودن به سبد خرید پرداخت به سبدخرید اضافه شد

 

——————————————————————————————————————–

مقاله بعدی: بهبود صحت سیستم های پیشنهاددهنده با استفاده از تشخیص اجتماعات در شبکه های اجتماعی
معمولا برای خرید کالا با دوستان و آشنایان قابل اعتماد مشورت می‌کنیم و از نظرات و پیشنهادهای آنها در انتخاب کالای مورد نظر استفاده می‌نمائیم. برای پیاده سازی یک سیستم پیشنهاد دهنده، استفاده از روش فیلترینگ تعاونی متداول می باشد. در این روش پیشنهادهای کاربرانی که علایق آنها به ما نزدیک است در نظر گرفته می‌شود. یکی از مشکلات روش فیلترینگ تعاونی، مساله پراکندگی ماتریس کاربر-کالا است. این مشکل ناشی از آن است که کاربران در میان تعداد زیادی از آیتم‌ها، نظر خود را فقط در مورد بخش کوچکی از آنها بیان می کنند. این مساله موجب کم شدن دقت در محاسبه شباهت بین کاربران و در نتیجه کاهش صحت سیستم پیشنهاد دهنده می‌شود. در این مقاله با استفاده از الگوریتم تشخیص اجتماعات در شبکه‌های اجتماعی، کاربرانی که بیشتر با یکدیگر تعامل دارند را خوشه‌بندی نموده و از خوشه‌های ایجاد شده در بهبود عملکرد سیستم پیشنهاد‌دهنده استفاده می کنیم. با استفاده از مجموعه داده Epinion روش خوشه بندی پیشنهادی و روش های دیگر پیاده سازی و نتایج آنها با یکدیگر مقایسه شده است. نتایج حاصل از آزمونها بیانگر آن است که در نظر گرفتن خوشه‌های ناشی از تعامل اجتماعی افراد در شبکه اجتماعی در بهبود صحت سیستم پیشنهاد‌دهنده موثر است.

این مقاله در پنجمین کنفرانس داده کاوی ایران، دانشگاه صنعتی امیرکبیر ارائه شده است.

نوع فایل: PDF

تعداد صفحات: ۹ صفحه

قیمت:  3500 تومان

 

70,000 ریال – افزودن به سبد خرید پرداخت به سبدخرید اضافه شد