ارائه چارچوبی جهت بهبود سیستم های توصیه گر مبتنی بر تحلیل محتوا در شبکه های اجتماعی

توضیحات

در این تحقیق چارچوبی جهت بهبود سیستم­ های توصیه­ گر مبتنی بر تحلیل محتوا در شبکه­های اجتماعی با تمرکز بر روی انتخابات ارائه شده است. در حقیقت روش پیشنهادی از چند گام مختلف تشکیل شده است. در گام اول خوشه ­بندی اولیه بر روی یک بستر شبکه اجتماعی با شناخت شاخص­های مهم کاربران انجام شده است و این امر به کمک شاخص بولدین و تحلیل خوشه­ ها انجام شده است. سپس به کمک یادگیری ماشین و الگوریتم بردار پشتیبان خوشه­ ای که بیشترین مخالف با کاندید را دارد بررسی و آنالیز شده است و داده­های خوشه هدف به عنوان یادگیر به الگوریتم داده شده است. در گام بعدی به کمک شاخص­های یادگیری شده تشخیص و پیش­بینی افراد با توجه به عقاید کاندید در زمینه ­های مختلف انجام شده است. روش پیشنهادی به کمک ابزار رپیدماینر و متلب بر روی 2500 داده و تمرکز بر روی 1095 رکورد مخالف شبیه­ سازی شده است. نتایج بدست آمده از دید دقت9/97، بازیابی 9/89 و صحت 09/95 بیانگر بهینه­ سازی در مقایسه با دیگر روش ­های مشابه می­باشد.