کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6900526 1446489 2018 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Semantic-based Followee Recommendations on Twitter Network
ترجمه فارسی عنوان
پیشنهاد معنا- محورِ دنبال شوندگان (صاحبان صفحات مجازی) در شبکه توییتر
کلمات کلیدی
سیستم پیشنهاد دهنده؛ وب معنایی؛ تشابه واژگانی؛ تشابه معنایی؛ دنبال شونده، پیشنهاد
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1.مقدمه

2. پیشینه ی تحقیق

3. روش تحقیق

3.1 جستجوی توپولوژی محور کاربر داوطلب 

3.2 . پیشنهاد معنا محور دنبال شوندگان 

4 . ارزیابی تجربی

4.1 . توصیف مجموعه ی داده ها

4.2.  روش کار و مقیاس ها

4.3 . نتایج تجربی

5- نتیجه گیری 
ترجمه چکیده
وبلاگ نویسان شبکه ی توییتر، برای کسب اطلاع و همچنین اطلاع رسانی درباره ی کلیه فعالیت های اخیر کاربران دیگر با علایق و ترجیحات مشابه خود، از مفهوم «دنبال کننده/ دنبال شونده» استفاده می کنند. علاوه بر این ، به دلیل رشد سریع شبکه توییتر و ثبت نام روزانه ی خیل عظیم کاربران در این شبکه، یافتن کاربران با علایق مشابه کار چندان آسانی نیست. بنابراین ، نیاز به یک سیستم کمک کننده برای یافتن این نوع اطلاعات در این شبکه از اهمیت ویژه ای برخوردار است. در واقع ، مطالعات اخیر با استفاده از تحلیل واژگانی، اطلاعاتی پیرامون نحوه ی دنبال کردن افراد در اختیار کاربران این شبکه قرار می دهد. در این مقاله ، با استفاده از یک سیستم پیشنهاد دهنده ی کاربران دنبال شونده و بر اساس تحلیل معنایی اطلاعات پروفایل کاربران، طرح توپولوژی دنبال کننده/ دنبال شونده بررسی می شود. ما با استفاده از یک مجموعه داده واقعی برداشت شده از شبکه ی توییتر، آزمایش هایی انجام داده ایم. نتایج تجربی این تحقیق نشان می دهد که روش به کار رفته در این مقاله با شاخص یادآوری 5% برای پیشنهاد 5 کاربر دنبال شونده، منجر به پیشرفت روش واژگانی می شود. در این روش، مشخص شد که بررسی شکاف های معنایی در محتوای میکروبلاگینگ، برای بهبود کیفیت پیشنهاد کاربران همفکر و با علائق مشابه، از اهمیت ویژه ای برخوردار است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
پیشنهاد معنا- محورِ دنبال شوندگان (صاحبان صفحات مجازی) در شبکه توییتر
چکیده انگلیسی
Twitter bloggers use the concept of follower/followee in order to inform and to be informed of all recent activities of users who have similar interests and preferences. Moreover, finding relevant users to follow becomes a crucial task due to the rapid growth of Twitter network and the huge number of daily registered users. Thus, the need for a system to assist users in such task is very important. Indeed, recent studies use lexical analysis to recommend people to follow. In this paper, we propose a followee recommender system based on semantic analysis of user profiles content by leveraging the follower/followee topology. We perform experiments using a real dataset harvested from Twitter. Experimental results show that our approach improves lexical-based approach by more than 5% on recall value for recommending 5 followees, proving that dealing with semantic gap in microblogging content is more relevant for the quality of recommending like-minded users.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Computer Science - Volume 127, 2018, Pages 505-510
نویسندگان
, , , ,