روشي براي رديابي موضع و دلايل آن در شبكه هاي اجتماعي با استفاده از روابط پست ها و نويسندگان

رديابي موضع و دلايل آن در شبكه هاي اجتماعي و به خصوص شبكه X كه طول پست هاي آن كوتاه و نويزي است چالش برانگيز است. چالش هايي كه در اين پژوهش به آنها پرداخته شده است عبارتنداز: نوشتار كوتاه و غيررسمي پست ها، استفاده از اطلاعات زمين هاي مناسب، يادگيري تكامل موضع كاربران، تطبيق مدل با تغييرات موضع و استخراج دلايل از پست ها. در اين پژوهش چارچوبي مبتني بر يك مدل تأثير براي رديابي موضع و دلايل آن در پست هاي شبكه X ارائه ميشود. مدل ارائه شده سير تكامل موضع كاربران و دلايل تغيير آن را در طول زمان استخراج كرده و خود را با سير تكامل موضع تطبيق ميدهد. حاصل اين پژوهش چارچوبي تحت A1 عنوان چارچوب دومرحلهاي اثرات-دلايل تطبيقي ( -AI phase-Two (است. در اين چارچوب تأثيرات شخصي، سايرين و تاريخي مدلسازي ميشود و سير تكامل موضع و دلايل آن همزمان مورد توجه قرار ميگيرد. تطبيق پذيري امكان يادگيري بهتر تكامل را فراهم ميكند و درنتيجه رديابي تغييرات موضع دقيق تر انجام ميشود. موضع كاربر تحت تأثي ر عوامل مختلف شكل ميگيرد و كاربر با دلايل كه در ذهن دارد موضع خود را توجيه ميكند. اثر عوامل، كوتاه مدت يا بلندمدت است و اين عوامل شامل اثر شخصي )ذهني(، اثر سايرين )روابط( و اثر تاريخي )گذر زمان( است. دلايل در متنهاي كوتاه به صورت ادعاهايي در متن نهفته اند. كاربر با استناد صريح يا ضمني به ادعا، موضعگيري ميكند. براي مدلسازي نحوه شكل گيري موضع كاربران تحت تأثير عوامل و با درنظرگرفتن دلايل، ابتدا پست هايي كه كاربر در آنها موضع منفعالنه اتخاذ كرده است تعيين ميشود. اين كار با استفاده از تشخيص ذهنيت انجام شده و اين پست ها كنار گذاشته ميشوند. در مرحله بعد از يك مدل اثرات- دلايل استفاده ميشود. از پست هاي باقيمانده سير تكامل موضع كاربر استخراج ميشود و مدل با تغييرات تطبيق مييابد. تطبيق، موجب ميشود كه مدل با تغييرات سازگاري پيدا كرده و در مواجهه با داده هاي جديد كارايي آن حفظ شود. ادعاها نقش عوامل خارجي را دارند و در دسته بندي نهايي موضع به كار ميروند. براي كشف ادعاهاي نهفته در متن از 3-GPT استفاده ميشود. نتايج تجربي نشان ميدهد كه چارچوب پيشنهادي به عنوان اولين چارچوب اثرات-دلايل تطبيقي در تشخيص موضع، به بالاترين نمره 59/80=Favg در مجموعه داده محك 6A Task 2016-Semeva‎l دست پيدا كرده است كه 2 درصد بهبودي افته است. همچنين بر دو مجموعه داده ديگر 19-COVID و BREXIT-TW نيز به ترتيب به 10/85=Favg و 86/73=Favg دست پيدا كرده است كه 83/3 و 18/8 درصد بهبود را نشان ميدهد.

226958

دانشگاه اصفهان

مهندسي كامپيوتر - نرم افزار

شكوفه كلاه دوز رحيمي