تحلیل شبکه های اجتماعی با استفاده از یادگیری ماشین

اهمیت یادگیری ماشینی برای تجزیه وتحلیل شبکه های اجتماعی درسالهای آینده، به عنوان یک ابزار اجتناب ناپذیر شناخته میشود. این به دلیل رشد بیسابقه داده های مربوطه اجتماعی است که بواسطه گسترش وبسایت های رسانه های اجتماعی و ناهمگنی و پیچیدگی تعبیه شده افزایش یافته است. بنابراین، مطالعه در مورد روشهای یادگیری ماشینی در تجزیه و تحلیل شبکه های اجتماعی، تمرکز بر برنامه های عملی، و راه های باز برای تحقیقات بیشتر مهم است. یکی از اهداف تحلیل شبکه های اجتماعی، شناسایی افراد موثر و مهم شبکه است. در این پژوهش، با استفاده ازالگوریتم های یادگیری ماشین و بررسی تکنیکهای دسته بندی شامل: رگرسیون لجستیک، درخت تصمیم، بیز، نزدیکترین K همسایه، ماشین بردار پشتیبان، جنگل تصادف ی و مدل ترکیبی به شناسـایی گـره هـای قـدرت و شاخص های تعیین کننده آن در داده های شبکه اجتماعی توییتر و ارایه مدلی برای پیشبینی وضعیت کاربران جدید پرداخته ایم. با توجه به نتایج بدست آمده از پژوهش حاضر، الگوریتم ترکیبی از لحاظ درصد موفقیت در تشخیص صحیح گره قدرت نسبت به سایر الگوریتم ها موفق تر عمل کرده است.نتایج نشان داد که مهمترین شاخصها در این الگوریتم بهترتیب، تعداد لیست های عمومی، دنبال کنندگان ، باز ارسالها، اشاره شدن ها و تعداد پستها و شاخصه های دنبال شوندگان، باز ارسالی ها و اشاره کردنهای کاربر از اهمیـت کمتـری برخوردارند.