این ترجمه مقاله را با دوستان خود به اشتراک بگذارید.

این تحقیق روشی را برای مشخص کردن و شناسایی پروفایل‌های کاربر در شبکه‌های اجتماعی آنلاین ارائه می‌کند. ما داده‌ها را از یوتیوب جمع‌آوری نموده و یک الگوریتم خوشه‌بندی به منظور گروه‌بندی کاربرانی که الگوی رفتاری مشابهی را به اشتراک می‌گذارند مورد استفاده قرار دادیم.

چکیده
شبکه‌های اجتماعی آنلاین یک مشکل جالب را در بر می‌گیرند: چگونه به بهترین شکل ممکن دسته‌های مختلف رفتار کاربر را مشخص کنیم. به طور سنتی، شیوه‌های مشخص نمودن رفتار کاربر، مبتنی بر خصوصیات فردی کاربر، برای سایت‌های شبکه‌ی آنلاین مناسب نیستند. در این محیط‌ها، کاربران با سایت و کاربران دیگر از طریق مجموعه‌ای از واسط‌ها تعامل می‌نمایند، واسط‌هایی که به آنها اجازه‌ی بارگذاری و مشاهده‌ی مطالب، انتخاب دوستان، رتبه‌بندی مطالب مورد علاقه، مشترک شدن به کاربران و انجام بسیاری از تعاملات دیگر را می‌دهند. الگوهای تعاملی مختلف را برای گروه‌های مختلف کاربران می‌توان مشاهده نمود. در این مقاله، ما روشی را برای مشخص کردن و شناسایی رفتارهای کاربر در شبکه‌های اجتماعی آنلاین پیشنهاد می‌کنیم. در ابتدا، ما داده‌ها را از یوتیوب جمع‌آوری نموده و از یک الگوریتم خوشه‌بندی به منظور گروه‌بندی کاربرانی که الگوی رفتاری یکسانی را به اشتراک می‌گذارند استفاده کرده‌ایم. سپس، نشان داده‌ایم که ویژگی‌هایی که از تعاملات اجتماعی کاربر نشأت می‌گیرند، بر خلاف ویژگی‌های هر کاربر منفرد، تفکیک کننده‌های خوبی بوده و اجازه‌ی شناسایی رفتارهای مرتبط کاربر را می‌دهند. در نهایت، نتایج آزمایشات تجربی استفاده از این روش را ارائه و در مورد آن بحث می‌کنیم. مجموعه‌ای از پروفایل‌های مفید، که از تحلیل نمونه‌ی یوتیوب مشتق شده ارائه می‌گردند. شناسایی دسته‌های مختلف رفتارهای کاربر دارای پتانسیل لازم برای پیشرفت است، برای نمونه، سیستم‌های توصیه‌گر برای تبلیغات در شبکه‌های اجتماعی آنلاین.

شاید این مقاله هم به دردتان بخورد  آزمایش سیستم‌های بلادرنگ با استفاده از UPPAAL

Identifying User Behavior in Online Social Networks

ABSTRACT
Online social networks pose an interesting problem: how to best characterize the different classes of user behavior. Traditionally, user behavior characterization methods, based on user individual features, are not appropriate for online networking sites. In these environments, users interact with the site and with other users through a series of multiple interfaces that let them to upload and view content, choose friends, rank favorite content, subscribe to users and do many other interactions. Different interaction patterns can be observed for different groups of users. In this paper, we propose a methodology for characterizing and identifying user behaviors in online social networks. First, we crawled data from YouTube and used a clustering algorithm to group users that share similar behavioral pattern. Next, we have shown that attributes that stem from the user social interactions, in contrast to attributes relative to each individual user, are good discriminators and allow the identification of relevant user behaviors. Finally, we present and discuss experimental results of the use of proposed methodology. A set of useful profiles, derived from the analysis of the YouTube sample is presented. The identification of different classes of user behavior has the potential to improve, for instance, recommendation systems for advertisements in online social networks.

این ترجمه مقاله را با دوستان خود به اشتراک بگذارید.

درباره احسان رضایی

سفارش ترجمه آنلاین خدمات ترجمه مقاله isi به صورت فوری کاهش هزینه و زمان در سفارش ترجمه آنلاین

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *