چکیده مقاله
شبکه های اجتماعی به عنوان یکی از اجزای اصلی دنیای دیجیتال امروز، به بستری پیچیده و پویا برای تحلیل رفتار کاربران و پیش بینی روندهای اجتماعی تبدیل می شوند این شبکه ها چالش های زیادی را برای کاربران و جامعه به وجود آورده اند که برخی از این چالش ها شامل مسائل مربوط به حریم خصوصی، گسترش اخبار جعلی، الگوریتم های جانبی و تاثیرات منفی بر سلامت روان کاربران است این تحقیق با هدف پیش بینی روندهای اجتماعی و تحلیل رفتار کاربران در شبکه های اجتماعی با به کارگیری تکنیک های ماشین لرنینگ و شبکه عصبی عمیق یک استراتژی خاصی برای آموزش مدل روی دیتاست های مختلف پرداخته است برای مدل سازی رفتار کاربران در شبکه های اجتماعی و تحلیل داده های حجیم، از ترکیب شبکه های عصبی بازگشتی RNN و شبکه های احتمالی ساختاریافته SPN استفاده می شود ما برای ارزیابی معیارهای مدل های پیشنهادی، از دقت، حساسیت و امتیاز F۱ استفاده کردیم که این فرایند نشان می دهد که مدل پیشنهادی با دقت بالای ۹۵% قادر به پیش بینی تغییرات نتایج رفتار کاربران در مواجهه با بحران ها و رخدادهای اجتماعی است مقایسه این مدل ها با روش های سنتی تر ماشین ها مانند پرسیپترون چندلایه MLP ، نشان می دهند که شبکه عصبی عمیق RNN و همچنین استفاده از SPN می تواند در شبیه سازی روابط پیچیده و پیش بینی تغییرات رفتار کاربران در شرایط بحرانی کارآمدتر باشد در نهایت، این تحقیق برای ارائه یک مدل تحلیلی پیشرفته، به طور خاص به کاربردهای آن در مدیریت بحران های اجتماعی دیجیتال و تحلیل روندهای اجتماعی در دنیای دیجیتال می پردازد
کلیدواژهها
نویسندگان
شیوه ارجاع
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید: جزی، محمد حسین و باقری، مهدی،1404،پیش بینی روندهای اجتماعی و رفتار کاربران با استفاده از تکنیک های شبکه عصبی عمیق،دومین کنفرانس بین المللی رویکردهای نوین در مهندسی و علوم پایه،https://civilica.com/doc/2606512
ارائهشده در
مجموعه مقالات دومین کنفرانس بین المللی رویکردهای نوین در مهندسی و علوم پایه7 اسفند 1404