سیستم توصیه گر برای شناخت کاربران بد در شبکه های اجتماعی با داده کاوی

سیستم توصیه گر برای شناخت کاربران بد در شبکه های اجتماعی با داده کاوی

سیستم توصیه گر برای شناخت کاربران بد در شبکه های اجتماعی

در این بخش دانلود رایگان مقاله ارائه یک سیستم توصیه گر برای شناخت کاربران بد در شبکه های اجتماعی با استفاده از تکنیک داده کاوی را آماده کردیم که در آن بررسی موردی بر روی شبکه پیام رسان تلگرام انجام شده است. این مقاله فارسی توسط سید منیره موسوی در آذرماه سال ۱۳۹۶ نگارش و در چهاردهمین اجلاس سراسری فناوری رسانه ارائه شده است. در ادامه به چکیده و مقدمه ای از این مقاله پرداخته و لینک دانلود رایگان آن قرار داده شده است.

چکیده مقاله

میزان تبادل اطلاعات و نزدیکی روابط در شبکه های اجتماعی برخط ضرورت کنترل و نظارت بر این شبکه ها را دو چندان  گرده است. در چنین شبکه هایی که هر یک برای پوشش هدفی خاص ایجاد شده اند همواره کارابران متنوعی وجود دارد که هر یک اهداف خاصی را از عضویت دنبال می کند. در چنین فضایی که فرزندان، شخصیت و هویت افراد به تبع حضور برخی از کاربران بد در معرض تهدید است، طراحی سامانه ای توصیه گر برای تشخیص کاربران بد بسیار ضروری به نظر می رسد. بر همین اساس در این پژوهش روشی برای تشخیص کاربران بد و عادی در پیام رسان اجتماعی تلگرام پیشنهاد گردید.

در روش پیشنهادی از الگوریتم طبقه بندی ماشین بردار پشتیبان (SVM) بهینه سازی شده با الگوریتم ژنتیک (GA) به نام SVMGA بهره گرفته شد. بررسی نتایج پژوهش، نشان می دهد که روش پیشنهادی توانسته ۶% روش پایه را که ماشین بردار پشتیبان می باشد؛ بهبود بخشد. طبق یافته ها دقت روش پیشنهادی ۹۱% و روش پایه ۸۵% می باشد. جدول مقایسه دقت روش پایه و پیشنهادی را نشان می دهد.

سیستم توصیه گر برای شناخت کاربران بد در شبکه های اجتماعی با داده کاوی

شکل ۲: مقایسه دقت روش پیشنهادی و روش پایه

مقدمه و بیان مسئله

انسان ها اجتماعی ترین موجوداتی هستند که در تعامل با دیگران یاد می گیرند و این تعامل باعث وابستگی متقابل بین آنها می شود. شبکه اجتماعی یک ساختار اجتماعی متشکل از گروه هایی است که از طریق یک یا چند نوع وابستگی معین نظیر ارزش ها، بینش ها، داد و ستد مالی، دوستی، خویشاوندی، تنفر، کشمکش از این دست وابستگی ها، با هم در ارتباط هستند.

پروفایل افراد در شبکه های اجتماعی برخط (آنلاین)

شبکه های اجتماعی برخط مانند فیس بوک، توییتر و گوگل پلاس، به هر کاربر خود امکان می دهند که از خود یک سیمای مجازی تحت عنوان پروفایل شخصی بسازند و آن را به دیگر پروفایل های آن شبکه متصل کنند. برخلاف ارتباط رودررو در جهان واقعی، در شبکه های اجتماعی آنلاین، یک کاربر در چگونگی شخصی سازی پروفایل خود اختیار کامل دارد به گونه ای که می تواند آزادانه انتخاب کند که کدام تصویرش را به نمایش بگذارد، چه اطلاعاتی را از خود منتشر کند، و چه کسانی را به عنوان دوستان و آشنایان خود معرفی نماید. شبکه های اجتماعی برخط یک اصل را به نمایش می گذارند؛ به ازای هر دو نفر از جمعیت جهان، انواع روابط می تواند شکل بگیرد. با گسترش روزافزون استفاده از شبکه های اجتماعی، روش های جستجوی اطلاعات، به اشتراک گذاری دانش و تجربه و نحوه ارتباط افراد تحت تاثیر قرار گرفته و دچار تغییر شده اند. عامل مهمی که باعث شده است این تکنولوژی با این سرعت رشد پیدا کند، امکان تولید آسان محتوا توسط کاربر در آن می باشد.

تولید محتوا در شبکه های اجتماعی

تقاضا برای جستجوی دانش از مجموعه داده های موجود در این شبکه ها و یادگیری رفتار کاربران در آن باعث شده است نیاز به وجود روش هایی جهت حذف اطلاعات اضافی و غیر مفید و برجسته تر نمودن اطلاعات کارآمد و کاربردی بیش از پیش مورد توجه قرار بگیرد.

سیستم توصیه گر برای شناخت کاربران بد در شبکه های اجتماعی با داده کاوی

شکل ۳: نمایی از ارتباطات و سلایق کاربران در شبکه های اجتماعی

سیستم های توصیه گر (پیشنهاد دهنده)

سیستم های توصیه گر به عنوان راه حلی برای مواجهه با مشکل سربار اطلاعات و سردرگمی در یافتن اطلاعات مفید و کاربردی ظهور یافته اند و به صورت مشاوران مجازی هوشمند با ترکیب اطلاعات موجود در پروفایل کاربر، تصفیه اطلاعات و یادگیری در ارائه خدمات اطلاعاتی هوشمند و فعال و تولید پیشنهاداتی که به نیازها و سلایق کاربران نزدیک است، بسیار مفید و مثمر ثمر واقع شده اند. این سیستم ها از روش های گوناگونی جهت تصفیه اطلاعات و ارائه توصیه ها استفاده می نمایند. سیستم توصیه گر، علائق کاربران را نسبت به مجموعه ای از اقلام جمع آوری می کند. این اطلاعات به صورت صریح یا ضمنی بدست می آیند. سیستم های توصیه گر تلاش می کنند که به وسیله پیشنهاد اطلاعاتی که مورد علاقه کاربران باشد بر مشکل سرریز اطلاعات غلبه کنند. با رشد وب بهره گیری از اطلاعات شبکه های اجتماعی در سیستم های توصیه گر افزایش پیدا  گرده است.

سیستم های توصیه گر اجتماعی

سیستم های توصیه گر اجتماعی با بهره گیری از تعاملات اجتماعی نقاط ضعف سیستم های توصیه گر سنتی را مرتفع می کنند. در توصیه گرهای مبتنی بر روابط اجتماعی، ارتباط میان کاربران از شبکه اجتماعی استنتاج می شود و با استفاده از روابطی که به صورت صریح میان کاربران و از طرف خود آنها اعلام شده است، موارد مشابه محاسبه می شوند و پیشنهاد هایی برای ارائه به یک کاربر خاص آماده می شوند. معلمان می توانند از طریق شبکه های اجتماعی به آسانی به دانش آموزان خود دسترسی پیدا کنند و یک محیط دوستانه برای مطالعه و تعامل دانش آموزان ارائه کنند. کارفرمایان می توانند از طریق شبکه های اجتماعی نسبت به شناسایی افراد با استعداد و علاقه مند اقدام کنند. این بررسی پس زمینه می تواند با استفاده از این شبکه های اجتماعی به درستی انجام شود.

دسترسی رایگان به شبکه های اجتماعی

بسیاری از شبکه های اجتماعی رایگان هستند اما برخی از آنها برای عضویت، هزینه ای را در نظر گرفته اند و این هزینه برای ارائه خدمات بیشتر است. در عصر سایبری امروز، شبکه های اجتماعی باعث شده اند تا کل جهان اغلب به صورت رایگان به هم نزدیک شوند و در عین حال مشکلات زیادی مانند هویت های جعلی، شبیه سازی پروفایل، حملات هرزنامه ها، نشر اکاذیب، نشر متون و تصاویر مستحجن و غیره ایجاد گرده اند.

سیستم توصیه گر برای شناخت کاربران بد در شبکه های اجتماعی با داده کاوی

شکل ۴: بلوک دیاگرام کلی روش پیشنهادی

هدف از این تحقیق

پژوهش پیشنهادی به دنبال این خواهد بود تا با بهره گیری از ترکیب الگوریتم تکاملی جدید میگو (Krill Herd Optimization) و شبکه های عصبی سامانه ای توصیه گر مبتنی بر محتوا برای شناسایی کاربران بد در شبکه اجتماعی تلگرام ارائه دهد. در این مقاله پس از تبیین موضوع کارهای مرتبط بررسی خواهد شد. در ادامه مقاله روش پیشنهادی شرح داده شده و نتایج حاصل تحلیل می شود. در خاتمه یک جمع بندی از مطالب ذکر شده ارائه می گردد که با دانلود رایگان مقاله می توانید به صورت کامل آنها را مطالعه نمائید.


مشاهده ویدئو در این باره

خوشحال خواهیم شد اگر نظر خودتون رو درباره این مطلب ثبت کنید

خطا!دکمه ریفریش را بزنید