تشخیص روند از طریق تحلیل گراف شبکه¬های اجتماعی معنایی به کمک الگوهای توالی

تشخیص روند از طریق تحلیل گراف شبکه¬های اجتماعی معنایی به کمک الگوهای توالی

صدیقه عباسقربانی1 آرش شریفی2

1) دانشجوی کارشناسی ارشد MIS، عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی چالوس، ایران -
2) عضو هیئت علمی دانشگاه آزاد علوم تحقیقات تهران، ایران،

کد IOI مقاله : XYCC-ABCFE
محل انتشار : کنفرانس بین المللی علوم و مهندسی(icesconf.com)
چکیده :
    امروزه بازاریابی اینترنتی به اندازه ایی رواج پیدا کرده است که می توان آن را در نرم افزارهای مختلف گوشی های هوشمند نیز مشاهده نمود. بازاریابی و نیاز مبرم به تحلیل روند بازار از جمله چالش های بزرگی است که شرکتها، با آن مواجه هستند. حال استفاده از روشهایی که بتواند این روندها را تنها با تحلیل بخش کوچکی از داده ها (شناسایی گره کلیدی) استخراج نماید، بسیار حائز اهمیت می باشد. روشهای متنوعي برای محاسبه درجه اهمیت گره های کلیدی در شبکه اجتماعی وجود دارد. براساس این درجات، روندها یا سیر تحول در رفتارهای کاربران استخراج خواهند شد. در حقیقت در این مطالعه از اطلاعات شبکه های اجتماعی برای پیش بینی حركات مشتری استفاده شده است و با معرفی یک الگوریتم جایگزین برپایه الگوریتم های استخراج الگوهای توالی بر توالی های استخراج شده توسط پیمایش اول عمق گراف شبکه اجتماعی استخراج شده اند، حجم گراف را جهت استخراج سریعتر روند ها کاهش داده است. رویکرد نوآورانه به منظور مديريت شبکه های اجتماعي بزرگ، و مدیریت گره های کم خاصیت با تلفیق ساختار الگوهای توالی بر پیکره پالایش شبکه اجتماعی و در نتیجه کاهش چشمگیر سربار محاسباتی استخراج روند و افزایش در سرعت محاسبه آنها است (علی الخصوص در شبکه های پویا که با تولید حجم وسیعی از داده ها روبرو هستیم). نتايج این روش نوین پیشنهادی در مطالعه موردي واقعي روي پايگاه داده بزرگ و پویای تویتر شامل اطلاعات ارتباطی کاربران این شبکه که در طی شش ماه متوالی با تلفن همراه خود پیامهایی را ردوبدل کرده¬اند، می¬باشد. پالایش و کاهش حجم شبکه اجتماعی، شکاف قابل توجه ایی را در میان مقادیر شبکه کاهش یافته و شبکه اصلی ایجاد می نماید که این موضوع در عملکرد مدل پیشنهادی این مقاله در نظر گرفته شده و بهبود این شکاف با الگوریتم همتای دیگر به نام SMI مورد مقایسه قرار گرفته است. این مقاله نشان می دهد که الگوریتم پیشنهادی با ردیابی گره های با مرکزیت میانی پایین توانسته در کنار اینکه تعداد بسیاری از گره ها را حذف و سربار محاسباتی را به شدت کاهش دهد، شکاف میان مقادیر مرکزیت میانی را به حداقل برساند.

کلمات کلیدی : استخراج روند الگوهای توالی شبکه اجتماعی گره بی خاصیت مرکزیت میانی پیمایش اول عمق