کنفرانس بین المللی فناوری اطلاعات و دانش

صفحه اصلی / شانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

مدل یادگیری عمیق با بازنمایی چند مقیاسی زمان برای پیش‌بینی آبشار اطلاعاتی در شبکه‌های اجتماعی

نویسندگان :

مبینا پناهی¹ مهدی عمادی²

1- دانشگاه صنعتی نوشیروانی بابل 2- دانشگاه صنعتی نوشیروانی بابل

کلمات کلیدی :

آبشار اطلاعاتی،پیش‌بینی آبشار،شبکه‌های اجتماعی،یادگیری عمیق

چکیده :

پیش‌بینی آبشارهای اطلاعاتی نقش مهمی در تحلیل رفتار کاربران و مدیریت انتشار محتوا در شبکه‌های اجتماعی دارد. در این پژوهش، یک چارچوب یادگیری عمیق ترکیبی برای پیش‌بینی اندازه نهایی آبشار ارائه شده است که با دو نوآوری کلیدی، محدودیت‌های مدل‌های پیشین را برطرف می‌سازد. نخست، به‌جای استفاده از شاخص‌های زمانی خطی، از بازنمایی چند مقیاسی زمان مبتنی بر کدگذاری موقعیتی سینوسی بهره گرفته شده است تا وابستگی‌های کوتاه‌مدت، بلندمدت و تناوبی به‌طور هم‌زمان مدل شوند. دوم، اهمیت رویدادها به‌جای اعمال یک قاعده‌ی کاهشی ثابت، به‌صورت داده‌محور و تطبیقی یاد گرفته می‌شود تا دقت و انعطاف‌پذیری مدل در سناریوهای متنوع افزایش یابد. بازنمایی نفوذ کاربران با درنظرگرفتن همسایگان چندگامی و بازنمایی ساختاری زیرگراف‌های زمانی با GCN استخراج شده و سپس با شبکه‌های خودرمزگذار و BiGRU ترکیب می‌شوند. نتایج تجربی نشان داد که مدل پیشنهادی در مجموعه‌داده APS، بهبودهایی در حدود %6/0 و %6/1 در معیار‌های MSLE و MAPE در بازه‌ی پنج ‌سال به دست آورده است؛ همچنین در مجموعه‌داده Weibo نیز بهبودهایی در حدود %1/3 و %3/1 در بازه‌ی ۱ ساعت حاصل شده است که نشان‌دهنده ارتقای معنادار دقت پیش‌بینی در سناریوهای زمانی متنوع است.