| Περίληψη: | Στη σύγχρονη εποχή, τα κοινωνικά δίκτυα παρέχουν μια πληθώρα δεδομένων, τα οποία μπορούν να χρησιμοποιηθούν από τις επιχειρήσεις για την επίτευξη των σκοπών τους. Είναι απαραίτητο όμως να υποστούν την κατάλληλη επεξεργασία και ανάλυση ώστε να καταστεί δυνατή η ανάκτηση πληροφορίας από αυτά και στη συνέχεια η εξαγωγή γνώσης χρήσιμης για τις επιχειρήσεις.
Στην εργασία αυτή προτείνεται ένας τρόπος διαχωρισμού χρηστών των κοινωνικών δικτύων που ακολουθούν μια επωνυμία, πιο συγκεκριμένα των Starbucks, σε «αφοσιωμένους» και «μη αφοσιωμένους», χρησιμοποιώντας τεχνικές συσταδοποίησης χρονοσειρών. Η προσέγγιση αυτή βασίζεται στη δημιουργία χρονοσειρών από τις δημοσιεύσεις των χρηστών σε τρία δημοφιλή κοινωνικά δίκτυα, Reddit, Twitter και YouTube. Οι χρονοσειρές δημιουργήθηκαν με τη χρήση μετρικών που εξάγουν αποτελέσματα βασιζόμενες στις αναρτήσεις των χρηστών. Για την εκτίμηση της συμπεριφοράς των χρηστών χρησιμοποιήθηκαν τρεις μετρικές και οι χρονοσειρές, στις οποίες βασίστηκε η υλοποίηση, είναι τριών διαστάσεων. Για τη συσταδοποίηση των χρονοσειρών και την αναγνώριση των αφοσιωμένων χρηστών, χρησιμοποιήθηκε η τεχνική της συσταδοποίησης με τη χρήση των shapelets. Για την επαλήθευση των αποτελεσμάτων της συσταδοποίησης και τον υπολογισμό της απόδοσης της μεθόδου αναπτύχθηκαν επίσης τρεις κατάλληλες μετρικές.
Επιπλέον, πραγματοποιήθηκε μια νέα συσταδοποίηση χρησιμοποιώντας πρώτα σημασιολογική ανάλυση των δεδομένων, ώστε να χρησιμοποιηθούν μόνο οι αναρτήσεις των χρηστών που σχετίζονται με τις αναρτήσεις του επίσημου λογαριασμού των Starbucks στο Twitter. Η σημασιολογική ανάλυση βασίστηκε στον αλγόριθμο LDA. Τα πειραματικά αποτελέσματα που βασίζονται στις μετρικές επαλήθευσης επιβεβαιώνουν την υπόθεση ότι η συσταδοποίηση που επιτυγχάνεται μετά την σημασιολογική επεξεργασία των κειμένων των χρηστών έχει, μεγαλύτερη ακρίβεια από την αρχική συσταδοποίηση.
|
|---|
