پیش بینی تعداد مکان های بازدید شده کاربر در شبکه های اجتماعی مکان مبنا (مطالعه موردی: شبکه gowalla)

آگاهی از رفتار و موقعیت کاربران براى سازمان هاى دولتى و غیر دولتى منافع اقتصادى و اجتماعى زیادى از جمله بهبود عملکرد سیستم و سرعت پاسخگویی بیشتر در خدمات پایانه ای و حتی رونق گردشگری دارد، از این رو شبکه های اجتماعی مکان مبنا کاربردهای فراوانی از جمله در اکتشاف رفتار و کمک در طراحی برنامه های کاربردی داده محور دارند. هدف این مقاله پیش بینی تعداد مکان هاى بازدید شده توسط کاربر با استفاده از پارامتر های ورودى دفعات آنلاین شدن کاربر، تعداد دوستان او، و تعداد سفرهایش است؛ تا تعداد مکان های بازدید شده پیش بینی شود. بدین منظور یک شبکه عصبى طراحى میشود که لایه ورودى آن شامل سه گره است، دو لایه مخفى که به ترتیب دارای 4 و 2 گره هستند، و در پایان لایه خروجى دارای یه گره است. شبکه عصبى با 700 داده آموزش داده می شود و وزن هاى ارتباطى بین گره هاى هر لایه بدست مى آید. سپس شبکه آموزش داده شده روى 300 داده آزمایشی اعمال مى شود. به منظور ارزیابى مدل از معیار خطاى residual error و هم چنین نمودار پراکندگى داده هاى هاى واقعى در برابر مقادیر پیش بینی شده استفاده می شود. دقت بالای مدل در حاکی از تحلیل صحیح روابط و پیش بینی دقیق تعداد سفر به مکان مشخص از طریق داده های فضایی و مکانی می باشد که در این راستا دقت 80 درصدی در پیش بینی تعداد سفر کاربر به مکان بعدی در شبکه اجتماعی بر اساس روابط دوستانه او کسب شد. راهکار پیشنهادی نسبت به روش های پیشین از جمله رگرسیون تعمیم یافته افزایش قابل توجهی در میزان دقت و کاهش خطا در پیش بینی داشته است.