شناسایی و پیش بینی روندهای مورد توجه در شبکه های اجتماعی با استفاده از روندکاوی و شبکه های عصبی مصنوعی

هدف از این پژوهش ارائه تکنیکی است که با بکارگیری شبکه های عصبی مصنوعی به توسعه مکانیزم روندکاوی می پردازد. روندها به صورت دنباله ای از رخدادهای مرتبط با الگوهای متناوب تعریف می شوند که در شبکه های اجتماعی شناسایی شده اند. به طور معمول الگوهای متناوب بسیاری و به دنبال آن روندهای زیادی یافت می شود. از این رو برای کمک به تحلیل الگوها و روندهای پیدا شده، تکنیک نگاشت خودسازمانده مورد استفاده قرار می گیرد؛ به طوریکه روندهای مشابه در کنار یکدیگر خوشه بندی شوند. جهت شناسایی روندهای "مورد توجه" دنباله ای از نگاشت ها در یک سری زمانی مشخص تولید می شود؛ که با در نظر گرفتن این امر که روندها چگونه از یک خوشه به خوشه بعدی حرکت می کنند، قابل تفسیر است. هر چه حرکت روندها بیشتر باشد، آن روند بیشتر "مورد توجه" پنداشته می شود. جهت پیش بینی خوشه جدید روندهای پویا از شبکه پرسپترون استفاده می گردد و روندهای پیش بینی شده با بکارگیری نگاشت خودسازمانده خوشه بندی می شوند. به منظور ارزیابی دقت مکانیزم پیشنهادی، "دیاگرام همسایگی" معرفی شده است که به مقایسه خوشه های واقعی و پیش بینی شده می پردازد و میزان دقت پیش بینی را درجه بندی می نماید. این پژوهش بر شبکه های ستاره ای تمرکز دارد و کاربرد آن در یک مثال واقعی نشان داده شده: travelpac، مجموعه داده های فشرده از جمع آوری اطلاعات مسافران بین المللی در انگلستان.