سینا دامی - استادیار، دانشگاه آزاد اسلامی، واحد تهران غرب، گروه کامپیوتر، تهران، ایران
رقیه فقیه ساروی - دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد تهران غرب، گروه کامپیوتر، تهران، ایران

با گسترش وب، پیش بینی میزان محبوبیت اخبار آنلاین بصورت یک موضوع تحقیقاتی رایج د رآمده است. در این مقاله یک مدلداده کاوی معرفی میشود که متون اخبار را قبل از انتشار تحلیل می کند. مدل پیشنهادی ابتدا با بکارگیری مجموعه وسیعی ازویژگی ها (نظیر کلمات کلیدی، محتوای رسانه دیجیتالی، میزان محبوبیتی که در صفحات اخبار به آنها ارجاع شده) پیش بینیمی کند که آیا یک خبر می تواند محبوب باشد، سپس زیرمجموعه ای از ویژگی های اخبار را که به راحتی می توانند به دستنویسندگان تعییر یابند، به منظور بهبود احتمال محبوبیت پیش بینی شده پیدا می کند.پیش بینی محبوبیت اخبار برای نویسندگان و تهیه کنندگان متون خبری بسیار با ارزش است، به همین منظور فرآیند پیش بینی مشابهآنچه که قرار است در آینده رخ دهد، با استفاده از مدل های مبتنی بر داده انجام میگیرد. سپس با استفاده از رو شهای بهینه سازیپیشرفته و آزمایش الگویت مهای مختلف داده کا.ی، بهترین راه حل ممکن را درجهت بهبود احتمال افزایش محبوبیت متون خبریپیدا می کند. در نهایت این کاربر است که باید تصمیم بگیرد از لیست پیشنهادی، کدام تغییرات قابل اعمال را برروی صفحاتخبری پیاده کند.

داده کاوی، پیش بینی محبوبیت، اخبار آنلاین، متن کاوی، دسته بندی