(۴-۵)

و LLH طبق تعریفی که در[۴۵] آمده به صورت زیر تعریف می­ شود:

(۴-۶)

این معیار برای به­دست آوردن تعداد عنوان^[۱۹۰] مناسب در الگوریتم­های پردازش متن هم استفاده می­ شود. به این ترتیب که تعداد عنوان­هایی مناسب هستند که در آنها Perplexity کمتر از بقیه تعداد باشد[۳۷].

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

نتایج و تحلیل­ها

در این بخش به تحلیل نتایج حاصل از اجرای الگوریتم­های ذکر شده در فصل ۳، با توجه به معیار­ها و داده ­های ارائه شده در بخش­های پیشین فصل جاری می­پردازیم. الگوریتم Gibbs Sampling استفاده شده در SBM با سری دمایی ۱:-۰٫۱:۰٫۰ و سری تکرار مراحل [۲۰,۱۰,۱۰,۱۰,۱۰,۱۰,۱۰,۵,۵,۵,۵] اجرا می­ شود.

نتایج در مجموعه داده­ی Cora

در شکل (۴-۱) کارایی مدل CDBLC تحت معیار MI نشان داده شده است. در این نمودار “Transition step =1” مقدار MI با بهره گرفتن از روش SBM است. همان­طور که نمودار نیز نشان می­دهد، با بهره گرفتن از مدل پیشنهادی CDBLC مقدار MI افزایش یافته است و ما قادر هستیم تشکل­های بهتری را شناسایی کنیم که به ساختار واقعی­شان نزدیک تر هستند.
همان­طور که در نمودار مشهود است بعد از مرحله­ بیست و هفتم مقدار MI رو به کاهش می­رود. این نزول به معنای آن است که باید اجرای الگوریتم را متوقف کنیم. بنابراین می­توان از این معیار به عنوان سنجشی برای همگرایی الگوریتم در داده­هایی که مقدار واقعی آنها موجود است استفاده کرد.
شکل ۴-۱- کارایی الگوریتم با توجه به معیار MI بر روی مجموعه داده­ی Cora.
شکل (۴-۲) Perplexity هر تشکل را در مراحل مختلف اعمال الگوریتم نشان می­دهد. واضح است که با اعمال این روش این مقدار در هر مرحله کاهش می­یابد.
شکل ۴-۲- Perplexity تمام تشکل­ها در تمام مراحل بر روی مجموعه داده Cora.
این مقدار در هر مرحله کاهش می­یابد.
شکل (۴-۳) خروجی Perplexity را برای هر تشکل در مراحل مختلف نشان می­دهد. این شکل بیان می­ کند که روش ما از روش LDA بهتر عمل کرده و به سمت مقادیر کمتر Perplexity در حرکت است.
شکل ۴-۳- خروجی Perplexity برای هر تشکل در مراحل مختلف بر روی مجموعه داده Cora .
دلیل کمتر شدن Perplexity در روش ما نسبت به روش LDA این است که ما در CDBLC کلمات هر سند را با توجه به تشکل منتسب به کاربر مربوط به آن سند پیش ­بینی می­کنیم. به عبارت دیگرمدل پیشنهادی ما تاثیر محتوای کلی تشکل­ها را بر رفتار کاربر مربوط به هر سند در نظر می­گیرد، در حالی که LDA کلمات را بر اساس محتوای تمام اسناد موجود پیش ­بینی ­می­ کند و نسبت به تاثیر اسناد مشابه بی­توجه است. بنابراین CDBLC دارای مقدار کمتری از Perplexity است.

نتایج در مجموعه داده Twitter

شکل (۴-۴) مقدار Perplexity را برای حالتی که تعداد تشکل­ها برابر ۵ و تعداد عناوین برابر ۵۰ باشد نشان می­دهد (k=5,t=50). همان­طور که واضح است مقدار Perplexity با اعمال CDBLC به نحو چشمگیری کاهش می­یابد.
شکل ۴-۴- نمودار مقایسه Perplexity روش LDA و CDBLC برای T=50 و K=5.
شکل (۴-۵) مقدار Perplexity را برای حالتی که تعداد تشکل­ها برابر ۱۰ و تعداد عناوین برابر ۳۰ باشد نشان می­دهد (k=10,t=30). با این مقدار از پارامتر­ها نیز مقدار Perplexity با اعمال CDBLC کاهش می­یابد.
شکل ۴-۵- نمودار مقایسه Perplexity روش LDA و CDBLC برای T=30 و K=10.
شکل (۴-۶) مقدار Perplexity را برای حالتی که تعداد تشکل­ها برابر ۲۰ و تعداد عناوین برابر ۱۰۰ باشد نشان می­دهد (k=20,t=100). با این مقدار از پارامتر­ها نیز مقدار Perplexity با اعمال CDBLC کاهش می­یابد.
شکل ۴-۵- نمودار مقایسه Perplexity روش LDA و CDBLC برای T=100 و K=20
تعداد تشکل مناسب و تعداد عناوین بهینه به صورت تجربی و با اعمال الگوریتم با پارامتر­های مختلف به دست می ­آید.
فصل پنجم
بحث و نتیجه‌گیری

بحث و نتیجه‌گیری

نتیجه گیری

تعامل انسان با کامپیوتر از زمان ایجاد اولین کامپیوتر­ها همواره مورد توجه بوده است. متخصصان این حوزه در ابتدا به دنبال راهکاری برای تولید سخت افزار­هایی با ارگونومی مناسب بودند اما در طی دیدگاه جدید، به رایانه به عنوان ابزاری برای ایجاد تعاملات انسانی نگاه می­شد. با توجه به این رویکرد، شبکه ­های اجتماعی اینترنتی عامل ایجاد تعامل میان انسان­ها در فضای مجازی گشتند و اهمیت به سزایی پیدا کردند.
امروزه، با توجه به رشد فراگیر اینترنت و فناوری­های ارتباطی و اطلاعاتی، یک فضای مجازی در کنار جهان واقعی شکل گرفت که باعث تغییر الگو­های سنتی گشت. فضای مجازی دنیای وسیع و پیچیده‌ای است که گروه‌ها و افراد مختلف با گرایش‌ ها، باور ها و اعتقادات گوناگون در آن زندگی می‌کنند. واژه «زندگی» در این فضا به اشتباه به کار نرفته است چرا که این دنیا توأمان و همگام با دنیای واقعی و شاید بیشتر بر وجود آدمی و باورهایش اثر می‌گذارد. فضای مجازی مکانیست که فرد می تواند فعالیت های دنیای واقعی خود را وارد کند. از خصوصیات بارز این فضا فرا­زمان بودن، بی­مکانی، عدم محدودیت به قوانین، روی فضا بودن، آزادی از هویت بدنی و جنسی و برخورداری از فضاهای فرهنگی، اقتصادی، سیاسی است. از بین رفتن فاصله مکانی و افزایش بی سابقه توان انسان ها برای مبادله و مراوده با یکدیگر فرایند هویت یابی جمعی افراد را دگرگون کرده است. شبکه ­های اجتماعی مجازی، امروزه نقش بسیار مهمی در خلق این فضای مجازی دارند. این فضا­ها در کنار ویژگی­های مثبت، آسیب­های روانی و سیاسی بسیار گسترده­ای را می­توانند برای یک جامعه به همراه بیاورند.
ما در عصر شبکه ها زندگی می کنیم، زندگی ما با شبکه های اجتماعی پیوند خورده است، شبکه های ارتباطاتی در هم تنیده و به هم پیوسته تمامی حوزه ها، معانی و مفاهیم و به طور کلی همه چیز را تحت تأثیر قرار داده اند. ارتباطات شبکه ای به مثابه «اساس فعالیت ارتباط انسان» در حال دگرگون ساختن همه ارتباطات انسانی است. جهان را بومی و بوم را جهانی می­ کند. این شبکه ها نیاز ما به دوست یابی، اطلاع رسانی، تبادل اطلاعات و نظرات را تأمین می کنند. اصطلاح «شبکه‌ های اجتماعی» زیر مجموعه رسانه‌ های اجتماعی قرار می‌گیرد. رسانه ‌های اجتماعی، مفاهیمی کلان هستند که به واسطه پیدایی شبکه ‌های جدید ارتباطی چون اینترنت و تلفن همراه پدید آمده ‌اند. شبکه های اجتماعی به علت بی مکانی حاکم بر اینترنت بر علایق افراد و گروه ها بنیان نهاده شده اند. در واقع شبکه‌ های اجتماعی بر پایه مشارکت‌ همگانی بنا شده اند. این وب سایت های شبکه اجتماعی با فراهم کردن انگیزه و هدف برای فعالیت در رسانه ‌ای که پیش از این جذابیت کمی داشته، به طور فزاینده ‌ای افراد را به دنیای آنلاین می‌کشند. عمده ‌ترین محورهای این تکنولوژی های جدید رسانه ای استفاده همزمان از امکانات آنلاین و دیجیتال در ارتباط با مخاطب است. در این ارتباط جدید، رفتار مخاطب در برابر رسانه هم دچار دگرگونی و از مخاطب منفعل به مخاطب فعال تبدیل می‌شود. این رابطه دو سویه باعث ایجاد ساختاری نوین در نسل جدید رسانه ها می‌شود. در نسل جدید رسانه ها، برنامه ‌ها علاوه بر «ارائه خطی» دارای خاصیت «گزینش» از طرف مخاطب نیز است.
شبکه­ اجتماعی ساختاری اجتماعی است که از گره­هایی(که عموماً فردی یا سازمانی هستند) تشکیل شده‌است که توسط یک یا چند نوع خاص از وابستگی به هم متصل اند، برای مثال: قیمت‌ها، الهامات، ایده‌ها و تبادلات مالی، دوست‌ها، خویشاوندی، تجارت، لینک‌های وب، سرایت بیماری‌ها (اپیدمولوژی) یا مسیرهای هواپیمایی. ساختارهای حاصل اغلب بسیار پیچیده هستند.
نتایج تحقیقات مختلف بیانگر آن است که می توان از ظرفیت شبکه‌های اجتماعی در بسیاری از سطوح فردی و اجتماعی به منظور شناسایی مسائل و تعیین راه حل آنها، برقراری روابط اجتماعی، اداره امور تشکیلاتی، سیاستگذاری و رهنمون سازی افراد در مسیر دستیابی به اهداف استفاده نمود. به عنوان مثال، نتایج مطالعات در حوزه سیاستگذاری گردشگری نشان می دهد شبکه‌های اجتماعی به واسطه تاثیرگذاری روی متغیرهای رفتاری بر جذب گردشگران خارجی به مقاصد گوناگون تاثیرگذار هستند و می توان از این شبکه ها به منظور شکل‌گیری اعتماد و کاهش ریسک تصمیم‌گیری کاربران در انتخاب یک مقصد خاص گردشگری بهره گرفت.
فضای مجازی مجال شکل‌گیری اجتماعات جدید از کاربران را فراهم می‌کند. از زمان تونیس و تلاش او برای تعریف دو گونه تجمع انسانی یعنی اجتماع در مقابل جامعه به بعد، همه متفکران علوم اجتماعی و فرهنگی «رو در رو بودن»، «محدودیت تعداد»، و «ابتناء بر روابط عاطفی و نه روابط عقلانی» را از خصائص بنیانی اجتماع عنوان کرده‌اند.
هر چند روابط کاربران فضای مجازی رابطه‌ای با واسطه‌است و نه رو در رو، بسیاری از مطالعه کنندگان اینترنت تمایل دارند از اصطلاح «اجتماع» برای اشاره به جمع کاربران استفاده کنند. در این میان تلاش‌های متعددی در حال انجام است تا حوزه و دامنه معنایی کاربردهای جدید این اصطلاح را برای اشاره به تجمعات کاربران فضای مجازی، روشن سازد.
در جوامع دموکراتیک، فضای مجازی به عنوان یک فضای جدید اطلاعاتی، تحقیقاتی، سرگرمی نگرسیته می شود که به موزات یا در جهت تکمیل فضای عمومی موجود عمل می کند و در کشورهایی که فضاهای عمومی شدیداً تحت کنترل و نظارت نیروهای سنتی و دولتی است، اینترنت به وسیله ای برای مقاومت در برابر محدودیت های تحمیل شده در این فضا تبدیل می شود، به همین دلیل تحلیل کارکرد اینترنت مهمترین ابزار در جهت مطالعه و بررسی اشکال و ابعاد فرهنگی و اجتماعی و سیاسی پنهان در زندگی روزمره است.
آنالیز شبکه‌های اجتماعی (مرتبط با نظریه شبکه‌ها) به عنوان یک تکنیک کلیدی در جامعه شناسی، انسان شناسی، جغرافیا، روانشناسی اجتماعی، جامعه شناسی زبان، علوم ارتباطات، علوم اطلاعات، مطالعات سازمانی، اقتصاد و زیست شناسی مدرن همانند یک موضوع محبوب در زمینهی تفکر ومطالعه پدیدار شده‌است. آنالیز شبکه‌های اجتماعی علاوه بر سروکارداشتن با اشخاص (افراد، سازمان‌ها، ایالات) به عنوان واحدهای گسسته­ی تحلیل، برروی چگونگی ساختار رشته‌ها که اشخاص و روابط میان آن‌ها را تحت تاثیر قرار می‌دهد نیز تمرکز می‌کند.
شبکه‌های اجتماعی برای بررسی چگونگی تأثیرات متقابل میان تشکیلات، توصیف بسیاری از اتصالات غیررسمی که مجریان را به یکدیگر متصل می‌کند، نیز مورد استفاده قرار گرفته‌است و در این زمینه‌ها نیز به خوبی برقراری ارتباطات فردی میان کارمندان در سازمان‌های مختلف عمل می‌کند. شبکه‌های اجتماعی نقش کلیدی در موفقیت‌های تجاری و پیشرفت‌های کاری ایفا می‌کنند. شبکه‌ها راه ­هایی را برای شرکت‌ها فراهم می‌کند که اطلاعات جمع آوری کنند، از رقابت بپرهیزند و حتی برای تنظیم قیمت‌ها و سیاست‌ها با هم تبانی کنند[۳۸].
پیدایش تحلیل شبکه اجتماعی یک تلاش بین رشته‌ای بوده و مفاهیم آن از تلفیق تئوری اجتماعی با روش شناسی کمی، آماری و ریاضی شکل گرفته و گسترش یافته است. مفاهیم اساسی تحلیل شبکه مانند رابطه، شبکه و ساخت منحصر به رشته خاصی نیست و برآیندی از مطالعات در رشته‌های جامعه‌شناسی، روان‌شناسی اجتماعی، مردم‌شناسی، علوم ارتباطات اجتماعی، مهندسی کامپیوتر، ریاضیات و غیره است.
روش تحلیل شبکه در پژوهش‌های اجتماعی به عنوان پارادایمی مستقل قلمداد می‌شود چرا که بنیان روش‌های پیشنهادی آن مبتنی بر تئوری متمایز و مفروضات هستی ‌شناختی و روش‌شناختی خاصی است که کاملا میان رشته‌ایست. تمایز تحلیل شبکه در پژوهش‌های علوم اجتماعی و رفتاری با سایر روش‌ها از فرضیه زیربنایی آن مبتنی بر ارتباط بین واحدهای کنش متقابل و اهمیت مفاهیم و اطلاعات رابطه‌ای بین آنهاست و تئوری‌ها، مدل‌ها و کاربردهای آن بر حسب مفاهیم رابطه‌ای یا فرایندها بیان‌ می‌شود.
شبکه­ ها دارای ویژگی­های آماری مشترکی هستند. اما مهمترین ویژگی شبکه­ ها که توجه بیشتری را به خود جلب کرده است، ویژگی ساختار تشکل می­باشد. امروزه توابع هدف مبتنی بر لینک بسیار زیادی وجود دارند که سعی می­ کنند مجامع و تشکل­ها را در گراف شبکه پیدا کنند. این توابع به گونه ­ای انتخاب می­شوند که بتوانند تشکل­هایی را استخراج کنند که اتصالات درونی آنها بیشتر از اتصالات برونی­شان باشد. اما اگر برای شناسایی تشکل­ها، تنها از ساختار لینک شبکه استفاده شود، استخراج علایق مشترک از تشکل­ها، امری ناممکن می­ شود. از آنجا که تعریف تشکل به شدت وابسته به کاربرد آن است می­توان تعریف دیگری نیز برای آن ارائه کرد. طبق تعریف جدید تشکل به گروهی از افراد گفته می­ شود که علایق مشترکی با یکدیگر دارند اما ضرورتا به طور مستقیم به هم لینک ندارند یا افرادی که مستقیما به هم لینک دارند.