داده‌كاوي براي كشف روند رفتاري و پاسخ اجتماعات در مواجه با حوادث در شبكه اجتماعي با رويكرد ادغام اطلاعات چندبعدي : مورد مطالعاتي هاريكين دوريان

كارشناسي ارشد

امروزه با گسترش روز افزون استفاده از شبكه‌هاي اجتماعي، هنگام وقوع هرگونه بحران قربانياني كه به‌طور مستقيم و غيرمستقيم تحت تأثير اين فاجعه قرار مي‌گيرند، اغلب حجم وسيعي از داده‌ها (مانند متن، تصاوير، گفتار، ويدئو) را با استفاده از شبكه‌هاي اجتماعي متعدد به اشتراك مي‌گذارند. اين امر به اين دليل است كه رسانه‌هاي اجتماعي اخيراً به يك كانال اصلي ارتباطي بين مردم تبديل‌شده است تا به مردم يا به مراكز مديريت بحران گزارش دهند. مراكز مديريت بحران و سازمان‌هاي مختلف واكنش اضطراري در سال‌هاي اخير معمولاً به‌منظور آگاهي از وضعيت به‌منظور پاسخگويي به بلاياي رخ‌داده استفاده از اين منبع عظيم و در دسترس را در نظر مي‌گيرند. بااين‌حال، با وقوع فاجعه، در عرض چند دقيقه، بسترهاي رسانه‌هاي اجتماعي مملو از انواع مختلف داده‌ها مي‌شود كه اين مراكز با داده‌هاي بزرگ روبرو مي‌شود. علاوه بر اين، در اين داده‌هاي ارسال‌شده، ممكن است اكثريت داده‌ها شامل محتواي اضافي و نامربوط باشد. با اين كار ، منطقي بودن و تصميم‌گيري در مورد داده‌هاي بزرگ موجود براي مديريت مؤثرتر بحران چالش‌برانگيز مي‌شود. باوجود پيشرفت‌هاي اخير درزمينه فناوري، پردازش و تجزيه و تحليل داده‌هاي بزرگ مربوط به فاجعه همچنان يك كار چالش‌برانگيز است. بنابراين، در اين پايان‌نامه، ما بر ارائه يك چهارچوب تحليل داده‌هاي مربوط به شبكه‌ اجتماعي توييتر در هنگام فاجعه و پس از آن با استفاده از روش‌هاي نوين پردازش داده و يادگيري عميق براي تجزيه و تحليل/پردازش داده‌هاي بزرگ رسانه‌هاي اجتماعي براي مديريت كارآمد بلايا تمركز مي‌كنيم. ابتدا داده‌هاي خام توييتر به دو قسمت متن و بقيه ويژگي‌ها تقسيم شده و روي هر قسمت پيش‌پردازش انجام شده. در مرحله بعد از روي داده‌هاي غير متني شبكه ارتباطات بر اساس رابطه بازنشر توييت‌ها ساخته‌شده، مكان كاربران هم با توجه به مكان اعلام شده در صفحه شخصي درج شد، ويژگي‌هاي توييتر مثل تعداد دنبال كنندگان هم در كنار متن تميز شده به‌عنوان 4 نوع منبع اطلاعاتي قرار گرفتند. با توجه به مجموعه دادگان مرجعي، مدل‌هايي مخصوص دامنه حادثه در 3 حوزه احساسات، اطلاع بخش بودن يا نبودن و 11 كلاس طبقه‌بندي شده محتواي انساني ساخته شد و با مفاهيم يادگيري انتقالي استنتاج شد كه مي‌توان از اين مدل‌ها براي طبقه‌بندي دادگان مربوط به حادثه مورد مطالعه استفاده كرد. شبكه‌هاي تشكيل شده در هر روز به‌صورت پويا تحت الگوريتم‌هاي تشخيص اجتماعات قرار گرفتند و الگوريتمي براي دنبال كردن اجتماعات توسعه داده شد و با يك مجموعه دادگان مرجع اعتبار سنجي شد. در نهايت همه خروجي‌هاي داده‌كاوي به‌صورت پايا و پويا در چارچوب ارائه شده تحليلي، تحت ادغام و تحليل قرار گرفتند.

209957

دانشگاه علم و صنعت ايران

دكتر بابك اميري

مهندسي صنايع - سيستم هاي كلان

دكتر مهدي غضنفري