مدل‌سازی رفتار بازنشر کاربران در اجتماعات برخط با استفاده از تیمی از اتوماتاهای یادگیر

Abstract

امروزه اجتماعات برخط، در گردش اطلاعات نظیر اخبار، محتوای آموزشی، مطالب سرگرم‌کننده و غیره نقش مهمی دارند. میلیون‌ها کاربر به صورت روزانه پست‌های مختلف را در این محیط، ایجاد می‌نمایند. کاربران در صورت تمایل، برخی از پست را بازنشر می‌کنند. بازنشر یک پست در انتقال اطلاعات بین کاربران تاثیر اساسی دارد. با توجه به تعداد زیاد پست‌ها، کاربران در این گونه اجتماعات با مشکل گرانباری اطلاعات مواجه هستند. این مسئله موجب کاهش بازنشر پست‌ها و اختلال در انتقال اطلاعات در اجتماعات برخط شده است. در این مقاله، رفتار بازنشر کاربران در مواجهه با پست‌های مختلف، مدل‌سازی شده است. برای این کار در ابتدا عوامل مؤثر در رفتار بازنشر کاربران شناسایی شده است و سپس با استفاده از یک روش یادگیری تقویتی، رفتار کاربران در مواجهه با یک پست پیش‌بینی شده است. این روش یادگیری تقویتی به صورت یک بازی برای تیمی از اتوماتاهای یادگیر تصادفی طراحی شده است. برای ارزیابی، از سه مجموعه داده نسبتا بزرگ استفاده شده است. بر اساس نتایج بدست آمده، اتوماتاهای یادگیر تصادفی با توجه به ویژگی‌های محیط و قدرت یادگیری برخط، قابلیت اجرایی بسیار خوبی داشته است.