مقاله داده کاوی در شبکه های اجتماعی

مقاله داده کاوی در شبکه های اجتماعی با فرمت doc – pdf – پاورپوینت با بهترین کیفیت

تاریخچه داده كاوي در شبكه هاي اجتماعي

بالغ بر یک قرن یعنی از اوایل قرن ۲۰ است که مردم، شبکه اجتماعی را برای اشاره‌های ضمنی به مجموعه روابط پیچیده میان افراد در سیستم‌های اجتماعی در تمامی مقیاس‌ها از روابط بین فردی گرفته تا بین‌المللی مورد استفاده قرار می‌دهند.
در سال ۱۹۴۵جان بارنر (J. A. Barnes) برای نخستین بار از اصطلاح تحلیل شبکه‌های اجتماعی به صوت قاعده‌مند برای مشخص کردن الگوهایی از رشته‌ها استفاده کرد که مفاهیم را مشخص می‌کنند و به صورت رایج توسط عموم و دانشمندان علوم اجتماعی مورد استفاده قرار می‌گیرد: گروه‌های محدود (مانند: قبایل و خانواده‌ها) و طبقات اجتماعی (مانند: جنسیّت و قومیت).
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.

داده کاوی و تحلیل شبکه های اجتماعی:

تحلیل شبکه های اجتماعی رویکردی برای مطالعه فعل و انفعال شبکه های بشری است، و برای بررسی الگوها، ساختار ارتباطی یا سازمان دهی شبکه های اجتماعی استفاده شود. تحلیل شبکه اجتماعی دو تحلیل ریاضی و بصری، روابط بشری (بین افراد) را نشان می دهد .کاربرد تحلیل شبکه های اجتماعی با استفاده از داده کاوی را در زمینه های مختلفی میتوان بیان کرد. برای مثال زمانی که تصمیم میگیریم که چگونه یک محصولی را در mySpace بازیابی کنیم استفاده از تکنیک های داده کاوی به منظور تشخیص بازیگران مهم و مرکزی، تشخیص محاورات افراد در گروه های خاص تشخیص کاربرانی که بعنوان پل بین دو گروه هستند و چگونگی پخش اطلاعات در شبکه میتواند به ما کمک کند.
بررسی اجتماعات به دلایل مختلف مفید است. برای مثال کاربرانی که در یک اجتماع هستند مایلند بطور مکرر در یک شبکه با هم ارتباط داشته باشند. اغلب علایق مشترکی دارند و تا حدودی به هم اطمینان دارند بنابراین بررسی اجتماعات از جهت هدایت چگونگی پخش و فراگیری اطلاعات ایجاد سیستمهای پیشنهاد دهنده و گویا کردن سیاست های کنترل سطح مفید میباشد بنابراین یک مورد جالب در رابطه با ساختارهای شبکه های اجتماعی زیرساختارهای آن در غالب گروهها یا دسته ها هستند. تعداد، اندازه و ارتباط بین گروهها در شبکه چیزهای زیادی را رد رابطه با رفتار محتمل در کل شبکه به ما خواهد داد. در شبکه های اجتماعی سوالات زیادی در سطح گره، سطح زیرگروه و سطح شبکه وجود دارد که ساختار شبکه های اجتماعی و رفتار آن میتواند ان را تحقیق کند.
۱٫ با چه سرعتی اطلاعات در شبکه بین کاربران انتقال خواهد یافت
۲٫ تا چه حد زیرگروهها و ساختارهای اجتماعی با هم همپوشانی دارند
۳٫ چگونه میتوان کاربر را در گروه های مختلف خوشه بندی کرد
۴٫ آنالیز شبکه های اجتماعی و داده کاوی آنها
۵٫ داده کاوی تشخیص اجتماعات در شبکه های اجتماعی
همه این زمینه ها از ساختار زیرگروه میتوانند در رابطه با پیش بینی رفتار در کل مفید باشند
وب نیز می تواند به عنوان یك شبکه اجتماعی مدنظر قرار گیرد .شبکه های اجتماعی بین صفحه های وب توسط برقراری ارتباط با صفحه های دیگر وب تشکیل می شود، و تحلیل شبکه های اجتماعی مبتنی بر وب همان تحلیل پیوندهای بین صفحات می¬باشد. در علوم اجتماعی، شبکه شامل مجموعه ای از بازیگران (یا گره ها، یا عامل ها ،یا نقاط، یا رئوس) که ممکن است دارای روابطی (یا پیوندها، یا یال ها) با یکدیگر باشند .یك شبکه اجتماعی، ساختار اجتماعی بین بازیگران (افراد یا سازمان ها) است، شبکه¬های اجتماعی روش هایی که بازیگران در شبکه متصل هستند را نشان می¬دهد این روش ها می تواند شامل آشنایی اجتماعی، از آشنایی های اتفاقی تا روابط خانوادگی باشد .واسرمن و فاست “داده های شبکه اجتماعی می تواند به عنوان سیستم رابطه¬ی اجتماعی که توسط مجموعه بازیگران و ارتباط اجتماعی آن ها توصیف می شود ” تعریف می¬کنند.
شبکه‌های اجتماعی آنلاین امروز محور تحولات در اینترنت به شمار می‌روند.
شبکه‌هایی که مردم در آنها با یکدیگر متصل و به تولید یا خلق محتوا می‌پردازند. به عبارتی، امروز گسترش ارتباطات میان‌ فردی در شبکه‌های اجتماعی مهمترین هدف یا رویکرد در این شبکه‌هاست و حال سوال این است که اتصالات یا روابط (ارتباطات میان‌ فردی) چگونه در شبکه‌های اجتماعی تحلیل می‌شوند؟
برای پاسخ به این سوال، روش علمی تحلیل شبکه‌ اجتماعی (Social network analysis) در دنیا مطرح شده است. به عبارتی، تحلیل شبکه اجتماعی، تحلیل روشمند شبکه‌های اجتماعی است.
تحلیل شبکه‌های اجتماعی نشان‌دهنده روابط اجتماعی در نظریه شبکه که متشکل از گره‌ها (نشان‌دهنده بازیگران فردی درون شبکه) و روابط (نشان‌دهنده روابط بین افراد مانند دوستی، خویشاوندی، موقعیت سازمانی و غیره) است. این شبکه‌ها غالبا در دیاگرام شبکه‌های اجتماعی که در آن گره‌ها به عنوان نقاط و روابط با خطوط نمایش داده می‌شود.
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 رشته‌ ایست.
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.
تحلیل شبکه‌های اجتماعی در رشته‌های تحصیلی مختلف و همچنین کاربردهای عملی گوناگون مانند مقابله با پول‌شویی و تروریسم استفاده می‌شود.
۲-۱- وظایف داده کاوی در تحلیل شبکه های اجتماعی
تکنیک های داده کاوی برای ایجاد مدلهای توصیفی و پیشگویانه از محاورات اجتماعی، میتواند به کار رود که در مورد زمینه های کاربرد داده کاوی در شبکه های اجتماعی میتوان به موارد زیر اشاره کرد:
• طبقه بندی
• استخراج اجتماعات
• پیش بینی پیوند
• شناسایی کاربران برجسته و خبره در شبکه اجتماعی
• جستجو در شبکه های اجتماعی
• اعتماد در شبکه های اجتماعی
• بازاریابی ویروسی
که در اینجا ما به شرح زیر میپردازیم:
۸-۱-۱- طبقه بندی
بخش بندی یک روش یادگیری نظارت شده که در داده کاوی بسیار از آن استفاده می¬شود بخش بندی در شبکه های اجتماعی نیز با استفاده از داده¬های شبکه و مخصوصا در زمینه استخراج رفتار یا ویژگی¬های کاربران مطرح است. متدهایی که بخش¬بندی را در مورد داده های شبکه انجام میدهند باید مسئله ناهمگونی و چند نوعی بودن ارتباطات را هم در نظر بگیرند. به عنوان مثالی از طبقه بندی در یک بازاریابی تبلیغاتی، مبلغ سعی میکند تبلیغات را به کاربرانی که به کالایشان علاقه¬مند است و یا در گروه مشابه قرار میگیرد تحویل دهد. نتیجه علاقه کاربر میتواند با + یا – نمایش داده شود بطوری که + نشان¬دهنده علاقه¬مندی کاربر به کالا و – عدم علاقه او را نشان میدهد. در طبقه بندی ما فرض می کنیم که علاقه مندی برخی کاربران را با مطالعه پروفایل آنها یا پاسخگویی آنها به تبلیغات نمایش داده شده میدانیم. وظیفه بخش بندی استخراج رفتار بقیه کاربران در شبکه است. شکل ۳ چگونگی بخش بندی را نشان میدهد.
اما چالشی که در شبکه های اجتماعی مطرح است این است که علایق افراد نمیتواند به وسیله یک کلاس محض جمع¬آوری شود و معمولا در پروفایل کاربر چندین نوع علاقه¬مندی وجود دارد بنابراین در شبکه های اجتماعی بحث طبقه بندی چند برجسبی مطرح می¬شود.
در یک روش بخش بندی شبکه های اجتماعی که مبتنی بر ابعاد اجتماعی پنهان است مطرح شده است در این روش با استفاده از یکی از تکنیک¬های کشف اجتماعات مثل خوشه بندی طیفی ابعاد شبکه مشخص میشود و سپس با استفاده از یک طبقه بند کننده مثل Support Vector Machine اقدام به برچسب گذاری میکند. این روش به مسئله چند برچسبی بودن گره ها در شبکه نیز توجه دارد.

۸-۱-۲- استخراج اجتماعات
دانش، در این زمینه اجتماعات کشف شده کاربران در شبکه های اجتماعی است. برای کشف دانش در این زمینه معمولا از تکنیک های تحلیل پیوند استفاده میشود. یک اجتماع به عنوان مجموعه ای از گره هاست که به طور مکرر با هم محاوره دارند که همچنین گروه یا زیرگروه نامیده میشود. وظیفه استخراج اجتماعات، گروه بندی، خوشه بندی و تشخیص گروه های به هم چسبیده است. همانطور که در شکل ۴ نشان داده شده، ورودی وظیفه استخراج اجتماعات، شبکه اجتماعی مورد مطالعه و خروجی آن بررسی عضویت اجتماعی
اعتماد در شبکه های اجتماعی
از آنجایی که دانش صریح از قابل اعتماد بودن هر موجودیت (مردم یا عامل نرم¬افزاری) در وب عملی نیست، لازم است که بتوانیم میزان قابلیت اعتماد غریبه ها در محاورات اجتماعی را پیش بینی کنیم. برای انجام این کار از دانشی که درباره دیگر موجودیت های قابل اعتماد داریم استفاده میکنیم. در این زمینه دانش را میتوان در زمینه های مختلفی از قبیل تعریف قابل اعتماد بودن موجودیت ها، معیارهایی که قابل اعتماد بودن را نشان میدهد، مدل های چگونگی انتشار قابلیت اعتماد و تکنیک هایی که برای اعتبار سنجی بکار میرود بیان کرد. انتشار قابلیت اعتماد، یک روش برای استخراج مقادیر قابل اعتماد در یک شبکه است. یک کاربر به بعضی دوستانش اعتماد میکند، دوستان او به دوستانش و… . با استفاده از مقادیر صداقت و یا غیر صداقتی بین یک مجموعه از جفت کاربران میتوان مقادیر اعتماد / غیرقابل اعتماد ناشناخته بین هر دو کاربر را پیش بینی کرد.
۸-۱-۷- بازاریابی ویروسی
در بحث بازاریابی ویروسی مسئله ارزش شبکه¬ای مشتریان مطرح میشود. ارزش شبکه¬ای یک مشتری، سود مورد انتظار شرکت از مشتری در چرخه زمانی فروش است. یک مشتری میتواند بر روی مشتریان دیگر تأثیر داشته باشد. مثلا اگر من کالایی را بخرم و سه نفر دیگر را نیز برای خرید ترغیب کنم، ارزش شبکه¬ای من بالا می¬شود بنابراین شرکت فروشنده کالا ترجیح می¬دهد وقت بیشتری را برای بازاریابی با من نسبت به دیگران صرف کند. در اینجا دانش شبکه¬ای از ارتباطات کاربران میتواند در امر بازاریابی به ما کمک کند. مدل¬های شبکه¬های اجتماعی ما را قادر میسازند که ارزش شبکه ای مشتریان را محاسبه کنیم. برای هر مشتری، ما چگونگی احتمال خرید مشتری را به عنوان تابعی از خواص ذاتی مشتری و کالا و تأثیر پذیری مشتری از همسایگانش مدلسازی میکنیم. به وسیله استنتاجات احتمالی روی مدل های بدست آمده از همه مشتریان ما میتوانیم به سوال هایی از این قبیل پاسخ دهیم:
” اگر ما در این مجموعه خاص مشتریان بازاریابی کنیم، سود مورد انتظار از تمام شبکه پس از تأثیر پذیری از مشتریانی که بازاریابی از طریق آنان گسترش یافته چقدر است؟ ” با استفاده از این اطلاعات میتوانیم مجموعه بهینه مشتریان برای بازاریابی را بیابیم.
نتایج:
اخیراً یك بخش بزرگی از تحقیقات درگیر شبکه¬های اجتماعی است که شامل مدلسازی و تحلیل آنها می¬باشد. شبکه اجتماعی بازیگران، روابط بین آنها و رخدادها را توصیف می¬کند .شبکه اجتماعی یعنی شبکه هایی مبتنی بر روابط بین افراد اطراف ما که یك تسهیل کننده کلیدی در همکاری ها هستند. تحلیل شبکه¬های اجتماعی رویکردی برای مطالعه فعل و انفعال شبکه¬های بشری است و برای بررسی الگوها، ساختار ارتباطی یا سازماندهی شبکه¬های اجتماعی استفاده می¬شود .تحلیل شبکه اجتماعی دو تحلیل ریاضی و بصری، روابط بشری را نشان می¬دهد .پیشنهاد می¬شود برای کاهش تهدیدات اقدامات زیر را انجام دهیم: حذف اطلاعات غیرضروری، تنظیم حریم خصوصی و امنیتی که اطلاعات را فقط برای دوستان در معرض نمایش قرار دهند، رد درخواست دوستی افراد ناشناس، نصب نرم افزار امنیتی تجاری، نظارت والدین بر فعالیت فرزندان .