فعالیت کاربران تعاملات وبی

فعالیت کاربران تعاملات وبی – ایران ترجمه – Irantarjomeh

مقالات ترجمه شده آماده گروه کامپیوتر

مقالات ترجمه شده آماده کل گروه های دانشگاهی

مقالات

چگونگی سفارش مقاله

الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.

www.irantarjomeh.com

تحلیل و مدلسازی فعالیت کاربران برای تعاملات وبی

مقدمه

پیشرفت های بسیاری در زمینه توسعه تکنولوژی وبی و برنامه های کاربردی آن حاصل آمده است و چنین مواردی سبب تسریع جامعیت وبی با توجه به کاربردهای شخصی و اجتماعی آن گردیده است. مخصوصا، تکنولوژی وب ۰/۲ منجر به تشکیل اکولوژی / بوم شناسی وبی شده است که در آن انسان ها، محیط های دیجیتال و منابع دیجیتالی دارای نوعی همزیستی با یکدیگر بوده و برای یک مدت طولانی رشد و نمو خود را در این مبحث ادامه می دهند. دقیقا همانند اکولوژی دنیای واقعی، عوامل انسانی بخش مهمی را در اکولوژی وبی به عهده دارند. اشخاص در کلیه فعالیت ها نظیر ایجاد انواع محتویات دیجیتالی جدید فعال می باشند و از نوعی تعامل با یکدیگر برخوردار بوده و سبب تشکیل نقطه نظرات و ایده های متفاوت و مختلفی می شوند. از طریق تحلیل و مدلسازی فعالیت کاربر برای وب، چگونگی و چرایی پدیده های پیچیده در اکولوژی وبی به تدریج خود را پدیدار می سازند.

با توجه بدانکه تکنولوژی وبی قابلیت فراهم آوردن فزآینده محیطی مناسب و راحت برای مشتریان و فراهم آورندگان خدمات را دارد، می توان اذعان داشت که فعالیت تجاری آنلاین از معروفیت روزافزونی برخوردار گردیده است. تجارت آنلاین، که متمایز از تجارت دنیای واقعی می باشد، قابلیت بهره گیری از تکنولوژی وبی جهت ارتقای خدمات را به خوبی خواهد داشت، به گونه ای که این فعالیت می تواند منجر به حصول نتایج موفقیت آمیزی در یک زمان کوتاه تر شود. به طور مثال، فراهم آورندگان خدمات آنلاین می توانند نسبت به یافتن مشتریان بالقوه، از طریق داده کاوی رکوردهای فعالیت که به وسیله کاربران وبی در طی ویزیت و مشاهده برنامه های کاربردی آنلاین ایجاد می شود، اقدام نمایند. از طرف دیگر کاربران وبی نیز قابلیت حصول مزیت از تحلیل فعالیت کاربران را خواهند داشت. به طور مثال، فیلترینگ پیشنهادات و اطلاعات را می توان به طور دقیق به گونه ای انجام داد تا آنکه منافع کاربران وبی بر مبنای مدلهای کاربری تامین گردد.

انواع مختلفی از فعالیت های کاربران وبی نظیر وب گردی یا گشت و گزار در وب، انتشار مقالات، کلیک نمودن، جستجو و غیره وجود دارند. ویژگی هایی چون عدم قطعیت، حالت تصادفی، و وجود عدم شفافیت در فعالیت کاربران وبی سبب خواهد شد تا امر درک رفتار اشخاص در محیط های وبی به عنوان یکی از بزرگترین چالش های علوم کامپیوتر در قرن بیست و یکم مطرح باشد. با این وجود بررسی داده – محور رد پاهای دیجیتالی نظیر لاگ ها یا فایل های ثبتی وبی و فروم ها یا نشست های آنلاین فراهم آورنده یک نقطه آغازین مهم جهت گسترش درک رفتار دیجیتالی می باشد (Cadez و همکاران، ۲۰۰۳). بنابراین، بر مبنای این ملاحظه، بخش ذیل روش های متعددی جهت تجزیه و تحلیل و مدلسازی فعالیت کاربران وبی، نظیر کلیک کردن، فعالیت انتخابی و فعالیت انتشار مضامین، را ارائه می نماید.

فعالیت کاربران تعاملات وبی

۲-۳۱٫ تحلیل و مدلسازی فعالیت کلیکینگ

فعالیت کلیکینگ یا همان کلیک کردن به هنگامی رخ می دهد که یک کاربر نسبت به انجام کلیک بر روی یک لینک در یک صفحه وبی اقدام می نماید. برخی از انواع سایت های وبی، نظیر سایت هایی که اخبار را ارائه می نمایند، یا سایت های فروش محصولات و غیره، غالبا تعداد زیادی کلیک دارند. این کلیک ها به صورت یک روند متوالی می باشند که غالبا بازتاب دهنده تفکرات کاربران وبی و یا به عنوان شاخصی از این مسئله مطرح هستند که کاربران به دنبال حصول چه نوع اطلاعاتی می باشند. امر وب گردی به ما در زمینه این نوع از رفتار چیز زیادی را نمی آموزد، اما این نوع از اطلاعات برای فروشندگان یا فراهم آورندگان اطلاعات می تواند بسیار مهم باشد چرا که بدانها اجازه خواهد داد تا سرویس های مناسبتری را برای کاربران بر مبنای رفتار آنها فراهم آورند. به طور مثال، لینک هایی که دارای بیشترین میزان همبستگی هستند را می توان در کنار یکدیگر قرار داد تا آنکه دسترسی آسانتری برای محتویات آنها فراهم شود که خود به عنوان کمکی برای کاربران وبی جهت یافتن اطلاعاتی که می خواهند سریعتر آنها را بیابند محسوب می شود. از این رو، مدلسازی و آنالیز فعالیت کلیکینگ در وب به عنوان یک پارامتر مفید و با ارزش تلقی می شود (Bucklin و Sismeiro، ۲۰۰۳، Montgomery، Srinivasan و Liechty، ۲۰۰۴). چنین موردی را می توان جهت ارتقای عملکرد کشینگ وب (Padmanabham و Mogul ، ۱۹۹۶، Schechter، Krishnan و Smith، ۱۹۹۸)، درخواست صفحات مرتبط (Dean و Henzinger، ۱۹۹۹، Gündüz و Özsu 2003 الف)، ارتقای ماشین های جستجو (Brin و Page، ۱۹۹۸، Guo و همکاران، ۲۰۰۹، Piwowarski، Dupret و Jones، ۲۰۰۹) و همچنین شخصی سازی تجربه وب گردی اینترنتی (Anand و Mobasher، ۲۰۰۵) به کار گرفت.

۱-۲٫ ترتیب کلیکینگ: فرمت و فرآیند داده

بسیاری از انواع سرورهای وبی اقدام به ثبت فعالیت کلیکینگ کاربران نموده و آنرا در یک فایل بر روی دیسک که تحت عنوان{وبلاگ- web log} شناخته می شود ذخیره می نمایند. با این وجود، مکانیزم فرمت و ذخیره سازی در بین سرورهای وبی که به طورگسترده ای از آن استفاده می نمایند ممکن است تا اندازه ای متفاوت باشد.

۱-۱-۲٫ سرویس اطلاعات اینترنت (IIS) 

به صورت پیش فرض، فایل های ثبت IIS در فولدر W3SVC#/LogFiles/system32/%windir% بر روی کامپیوتری که در حال اجرای IIS می باشد ذخیره میگردند، که در آن %windir% پارتیشن درایوی است که سیستم عامل ویندوز در آنجا نصب شده است و # تعداد سایت …). می باشد. به طور مثال، محل پیش گزینه بر روی فولدر لاگ فایل برای وب سایت جایی که سیستم عامل ویندوز بر روی درایو C نصب شده است میتواند به شرح ذیل باشد: C:\WINNT\system32\LogFiles\W3SVC1 .

۲-۱-۲٫ تامکت Tomcat

 سیستم تامکت (tomcat) که متمایز از IIS می باشد به طور پیش فرض اقدام به ثبت اطلاعات بازدید نمی نماید. اما میتوان این سیستم را برای باجرای این مورد از طریق تغییر پارامترهای آن در فایل       cat-alina}/conf/server.xml}$ پیکر بندی نمود، جایی که {catalina}$ به عنوان دیرکتوری برای tomcat نصب شده مد نظر میباشد.

۳-۱-۲٫ آپاچی (Apache)

به طور مشابه در آپاچی، وبلاگ ها را می توان ثبت نمود. یک مثال در این زمینه به شرح ذیل مشخص میگردد.

چنین موردی معرف آن است که کاربر کلاینت skyt همراه با آدرس IP 127.0.0.1درخواستی را جهت گرفتن فایل apache_pb.gif/ از طریق پروتکل HTTP/1.0 ارسال داشته است و همچنین سرور مربوطه نیز فرآیند ارسال این درخواست را در دهه اکتبر ۲۰۰۰ در ساعات ۱۳:۵۵:۳۶ به انجام رسانیده است و به طور موفقیت آمیزی نتیجه کار را که به میزان ۲۳۲۶ بایت بوده است به کلاینت ارسال نموده است.

۴-۱-۲٫ پردازش وبلاگ

قبل از آنالیز و مدل سازی کلیکهای کاربران بر مبنای وب لاگ ها، یک لاگ فایل را می بایست مورد پردازش قرار داد. برخی ازموارد اصلی در این زمینه به شرح ذیل میباشند.

فعالیت کاربران تعاملات وبی

 تجزیه فایل  

مورد ذیل به عنوان یک مثال نوعی از یک لاگ فایل میباشد. خطوطی که با علامت # شروع می شوند به عنوان تشریح لاگ فایل محسوب میشوند. خط # معرف آن است که فیلدها در این فایل ثبت شده اند. با آغاز از خط چهارم، کلیک کاربر ثبت میشود. مثال این خط معرف آن است که یک کاربر بی نام با IP آدرس ۱۷۲٫۱۶٫۲۵۵٫۲۵۵ دستور HTTP GET را برای فایل html تحت عنوان /default.htm در ساعت ۱۷:۴۲ صادر نموده است. توجه داشته باشید که این اقلام از فاصله ها به عنوان جداکننده ها استفاده می نمایند. بنابراین، برنامه استخراج داده ها میبایست از این اطلاعات جهت حاصل آوردن نتایج درست استفاده نماید.

شناسایی کاربر

هیچ گونه شاخص صریح مربوط به کاربران در وبلاگ موجود نمی باشد. بنابراین، لازم است تا نسبت به مشخص نمودن کاربران قبل از اعمال مدل سازی و آنالیز وب اقدام نماییم. در وبلاگ، آدرس IP کلاینت و عامل کاربر را می توان جهت مشخص نمودن کاربران به کار گرفت. کاربران مختلف را می توان بر حسب آدرس IP و عامل کاربر گروه بندی کرد. با این وجود، در صورتی که تعداد زیادی از کاربران با یک پراکسی مشابه وجود داشته باشند، این شناسایی پیچیده تر خواهد شد. یک تکنیک دقیق تر برای مشخص نمودن کاربران مجزای وبی نیازمند تنظیم کوکی ها و یا الزام کاربران جهت ریجسترینگ یا ثبت به هنگام ورود به سایت میباشد. با این وجود، چنین فرآیندی به طور همیشگی به وسیله کاربران قابل پذیرش نیست.

شناسایی جلسه /  نشست

به منظور یافتن الگوهای مفید و سپس فراهم آوردن یک مبنای مناسب برای آنالیز و مدل سازی فعالیت کلیک کاربران، رخدادهای مربوط به این کلیک را باید به صورت نشست ها یا جلساتی گروه بندی کرد که تشریح کننده موارد کاربرد برای یک جلسه زمانی مشخص می باشد. با توجه بدان که مبحث شناسایی این نشست مد نظر قرار می گیرد، ما می بایست اقدام به مجزا سازی توالی کلیک به بخش های مختلفی نماییم، ، ، ، . . . ، به گونه ای که هر رخداد کلیک در C_i متعلق  به توالی یکسان مربوط به ویزیت کاربران باشد.

۲-۲٫ مدلهای فعالیت: مشخصه ها و تاثیرات

غالبا در فرآیند مرور اینترنتی، سرور اجازه بازدید به صورت ناشناخته را خواهد داد. این بدان معنا است که نام کاربر در بخش وبلاگ ثبت نخواهد شد. بنابراین، امر شناسایی و تشخیص نشست یک کاربر جهت حاصل آوردن مجموعه ای از فعالیت های کلیکینگ کاربران الزامی می باشد. بنابراین، کلیه انواع مدلسازی فعالیت، نظیر مدل مارکوف (Markov) و گوناگونی های مرتبط با آن را می توان جهت تناسب مجموعه داده های فعالیت کلیکینگ به کار گرفت.

۱-۲-۲٫ مدل مارکوف برای کلیکینگ کاربران

مدل مارکوف به عنوان یک مدلی مطرح می باشد که به طور شایع برای سری های زمانی مورد استفاده قرار می گیرد. بنابراین، می توان آن را جهت مدلسازی رفتار کلیکینگ اشخاص به کار گرفت، که غالبا به شکل یک ترتیب یا توالی کیلکینگ می باشد. به علاوه در برخی از مواقع چنین موردی تحت عنوان فرآیند مارکوف، زنجیره مارکوف و غیره نیز خوانده می شود. یک زنجیره مارکوف به طور ساده ترتیبی از بردارهای توزیع شده در بازه های زمانی متوالی می باشد یعنی به صورت (S₁,S₂, . . . S_n)، که در آن S_i, i = 1,2, . . . ,n به عنوان حالت مدل مارکوف مطرح است.

۲-۲-۲٫ مدل تک مرحله ای مارکوف

ما در نظر می گیریم که K تعداد صفحه در یک وب سایت فرضی وجود دارد. بنابراین، تعداد حالت ها یا مشخصه های مدل به صورت K + 1 تعیین می گردد. حالت اضافه در حقیقت انتهای هر ویزیت خواهد بود. دو نوع دیگر از پارامترها در مدل فعالیت کلیک کاربران به شرح ذیل تشریح می گردند (Dhyani، Bhowmick و Ng 2003؛ Sarukkai 2000).

۱- حتمالات حالت اولیه. پس از پیش پردازش وبلاگ، ما مجموعه ای از داده هایی را حاصل می آوریم که تشریح کننده فعالیت کلیکینگ کاربران در برخی از نشست ها برای بازه های زمانی خاصی می باشد. در نظر بگیرید که این مجموعه اطلاعاتی حاوی m ورودی می باشد و به شرح ذیل مشخص گردیده است:

۳-۲-۲٫ مدل گوناگونی- محور مارکوف در خصوص کلیکینگ

با وجود آنکه یک مدل تک مرحله ای مارکوف در زمینه تشریح فعالیت های کلیکینگ کاربران وبی ساده می باشد، نقص اصلی ناشی از مرتبه مدل مارکوف می باشد. یک مدل مرتبه پایین مارکوف با توجه بدانکه ترتیب کلیکینگ مکفی نبوده و قابلیت پیش بینی موفقیت آمیز توزیع حالات آتی را نخواهد داشت، با توجه بدانکه این مدل منوط تنها به کلیک قبلی است، چندان کارساز نخواهد بود. بنابراین لازم است تا یک مدل دارای مرتبه بالاتر مارکوف را در اختیار داشته باشیم و کلیک جاری را بر مبنای موارد کلیک های گذشته مشخص سازیم. مدل های مرتبه ثانویه و مرتبه بالاتر مارکوف قابلیت کارکرد بهتری را در مقایسه با مدل تک مرحله ای خواهند داشت و دقت پیش بینی بهتری را در صورتی فراهم خواهند نمود که ترتیب مشخص شده در این مدل آموزش داده شود (Deshpande و Kaprypis 2004، Sen و Hansen 2003). با این حال، یک مدل مرتبه بالای مارکوف ممکن است برخی از پیچیدگی ها را همراه داشته باشد که علت آن ماتریس گذرا خواهد بود. در یک مدل مرتبه بالا، حالت ها ترکیب های مختلف کلیک های مشاهده شده در وبلاگ هستند و بنابراین تعداد حالت ها به صورت نمایی افزایش می یابد که دلیل افزایش مرتبه مدل است (Deshpande و Kaprypis 2004). به طور مثال، در صورتی که سه صفحه در یک وب سایت باشد، همانند صفحات ۱، ۲ و ۳، بنابراین برای یک مدل مارکوف مرتبه دوم، مجموعه حالات شامل ۹=۳×۳  قلم به شرح ذیل خواهد بود:

۳-۳۱٫ آنالیز و مدلسازی فعالیت انتخابی

فروم ها یا نشست های جوامع آنلاین یکی از مهمترین کاربردهای وب ۲ می باشند و آنها فراهم آورنده یک محیط اجتماعی شبکه ای هستند که کاربران وبی را قادر می سازند نسبت به تعامل با یکدیگر اقدام نموده و قابلیت خواندن مقالات، بحث درباره موضوعات و به اشتراک گذاری نظرات را به صورت آزادانه داشته باشند. به طور معمول، فروم های وبی دارای دهها هزار عضو هستند که با توجه به عناوین مرتبط گروه بندی می شوند. کاربران وبی علاقمند به انتشار پیوسته مقالات خبری و شرکت در مباحث از طریق جواب دادن به مقاله ها می باشند. در نتیجه، فروم های وبی قابلیت نشان دادن برخی از ویژگی های مهم را خواهند داشت (Zeng و Zhang 2009 الف) نظیر خود مشابهتی، هم قطاری یا پیوستگی با مجموعه بزرگی از مباحث و غیره. این ویژگی ها در ارتباط با انواع عملکردهای پیچیده کاربران وبی نظیر ویزیت، وبگردی، پاسخ دادن، پیگیری و غیره، در جامعه مرتبط با آن فروم می باشند. فعالیت کاربران در فروم های وبی توجه ویژه ای را اخیر معطوف به خود ساخته است (Danescu-Niculescu-Mizil، Kossinets و Kleinberg 2009؛ Goyal، Bonchi و Lakshmanan 2008؛ Shi و همکاران ۲۰۰۹، Wu و Li 2007).

فعالیت کاربران تعاملات وبی

۱-۳٫ چارچوبی برای آنالیز و مدلسازی رفتار گزینشی کاربران در فروم های وبی

امر بررسی فعالیت انتخابی کاربران وبی از طریق بررسی عادات کلیک نمودن آنها یا بررسی وبلاگ ها،   همان گونه که در بخش قبلی مطرح شده است، مشکل می باشد، چرا که این روش ها قابلیت استنتاج این موضوع را نخواهند داشت که کاربران کدامیک از مقالات را انتخاب خواهند نمود. علاقه کاربران به اطلاعات به عنوان مهمترین عامل تاثیر گذار بر روی فعالیت آنها مدنظر است، نظیر رفتار انتخاب اطلاعات و رفتار مشارکتی آنها (Shi و همکاران  ۲۰۰۹). علاقه کاربران به عنوان مجموعه ای از عبارات و وزن هایی تعریف می شود که قادرند به صورت تک نگاشتی و دونگاشتی باشند (Singh، Murthy و Gonsalves 2008). با توجه به آنکه این عبارات و عناوین به کار گرفته شده به وسیله کاربران به عنوان یک ساختار سازمانی تشکیل دهنده این نوع مقوله ها یا عبارت به شمار می آیند، چنین موردی قابلیت حاصل آوردن نتایج با معنی تری را خواهد داشت که بر مبنای آن می توان علاقه کاربران، بر حسب موضوعات مختلف که تشکیل دهنده این عبارات می باشند، را به دست آورد (Kim و Chan 2008). بنابراین، تشخیص اتوماتیک عنوان و آنالیز آنها به عنوان وظیفه الزامی جهت مدلسازی فعالیت انتخابی کاربران وبی به شمار می آید. در فرآیند مدلسازی فعالیت انتخابی کاربران بر مبنای علاقه آنها، چندین مورد قابل توجه وجود دارد که برخی از آنها به شرح ذیل مشخص گردیده اند:

۲-۳٫ حاصل آوردن و پیش پردازش صفحات در فروم های وبی

یک برنامه خزنده اقدام به حاصل آوردن یک صفحه از طریق راه اندازی یک دستور HTTP برای فروم های وبی می نماید. برخی از زبان های برنامه نویسی این فرآیند را در یک کلاس درج می نمایند که به میزان زیادی قابلیت ساده سازی فرآیند توسعه را خواهد داشت. به طور مثال، در جاوا، کلاس URL را می توان جهت ایجاد یک درخواست واحد بدون نگرانی در زمینه اتصال به شبکه اصلی یعنی سرور  فروم وبی به کار گرفت. روش های استفاده شده جهت دسترسی به محتویات پس از آنکه اتصال به سرور برقرار گردید عبارتند از getContent، getInputStream و getHeaderField.  از طریق استفاده از این روشها، یک برنامه خزنده قابلیت حاصل آوردن صفحات از راه دور به همان روش خواندن صفحات محلی را خواهد داشت. از طریق یافتن و استخراج لینک ها در یک صفحه، دیگر صفحات مرتبط را می توان به صورت مکرر فراخوانی نموده و به همان روش ذخیره ساخت. با این وجود، تعداد زیادی از مقاله های جدید به صورت روزمره پدیدار می گردند. یک برنامه خزنده می بایست از تکنولوژی جهت ارتقای عملکرد در دسترسی به صفحات استفاده نماید. به طور مثال، یک پردازش موازی (Cho و Garcia-Molina  ۲۰۰۲) را می توان به کار گرفت تا به طور همزمان صفحات بسیاری را به دست آورد.

۳-۳٫ مدل فعالیت انتخابی کاربر

این مدل تشریح کننده توزیع احتمال کلمات مشخصی را تشریح می نماید که توصیف کننده فعالیت انتخابی کاربران می باشد. بنابراین، در مدلسازی این فعالیت، انتخاب کلمات مشخصه و تعیین توزیع احتمال این کلمات به عنوان دو ویژگی مهمی به شمار می آیند که در تعامل با هدف تشخیص و رهگیری موضوع خواهد بود (TDT، Allan و همکاران  ۱۹۹۸). بنابراین، تکنیک های TDT را می توان جهت استنباط مدل فعالیت انتخابی کاربران از مجموعه اطلاعاتی که از فروم های آنلاین استخراج شده اند به کار گرفت.

۱-۳-۳٫ حالت طبقه طبقه ای

یک کاربر ممکن است علایقی را در سطوح مختلف تجریدی داشته باشد- علایق در سطح بالاتر غالبا کلی تر می باشند در حالیکه علایق سطح پایین تر خاص خواهند بود. در طی یک نشست گشت و گذار وبی، علایق کلی غالبا در پس تفکرات فردی نهفته می باشد، در حالیکه علایق خاص تمرکز اصلی را به خود اختصاص می دهند (Kim و Chan  ۲۰۰۸). فعالیت انتخابی منوط به علایق کاربران خواهد بود، که همچنین ممکن است منجر به حالت طبقه طبقه شدگی در انتخاب موضوعات مختلف شود.

۲-۳-۳٫ قابلیت جهت تغییر با زمان

یک کاربر می تواند انواع مختلف علایق را در زمان های مختلف به نمایش گذارد که خود فراهم آورنده مضامین مختلفی است که در ورای رفتار انتخابی اطلاعاتی هر کاربر وجود دارد (Kim و Chan  ۲۰۰۸). به طور مثال، یک دانش آموز در علم کامپیوتر ممکن است به مباحث آنلاین مرتبط با برنامه جاوا علاقه مند باشد و بر این مبنا شروع به مطالعه علم کامپیوتر نماید. علاقه وی ممکن است به هنگامی که یک دانشجوی ارشد گردید به سمت معماری نرم افزار تغییر مسیر یابد. بنابراین، فعالیت انتخابی بر مبنای منافع یا علایق کاربران در خلال زمان به صورت دینامیکی تغییر خواهد نمود.

۴-۳۱ تحلیل و مدلسازی فعالیت انتشار

یک مقاله خبری که بر روی یک وب سایت انتشار می یابد ممکن است به زودی در وب سایت های دیگر نیز قرار گیرد و این روال همچنان ادامه یابد چنین موردی را می توان در برخی از بلاگها، فرومهای آنلاین و غیره مشاهده نمود. انواع مختلف پیام ها، مخصوصا در حوزه های مورد علاقه یا تحت تاثیر قرار گرفته،  به نظر به روش های مختلفی توزیع یافته و نتایج مختلفی را به نمایش می گذارند. در فرآیند انتشار اطلاعات، امر مدلسازی و تحلیل فعالیت های انتشار مرتبط با کاربران وبی مفید می باشد چرا که ما می توانیم بر مبنای آن حوزه تاثیر مشخصه قبل از آنکه چنین پیامی توزیع گردد را مورد ارزیابی قرار داده و همچنین مسیر توزیع را حدس بزنیم، به گونه ای که قابلیت ارتقای طراحی وب از طریق پذیرش فعالیت تجاری بر روی صفحات مرتبط جهت حاصل آوردن حوزه تاثیرگذار حداکثر وجود داشته باشد. بسیاری دیگر از برنامه های کاربردی نیز می توانند از فعالیت انتشار اطلاعات سود حاصل نمایند، در این بخش، ما مدل انتشار اطلاعات برای کاربران وبی و همچنین روش های مدلسازی خاص برای توزیع اطلاعات در بین  بلاک ها و فروم اجتماعی را به بحث می گذاریم.

فعالیت کاربران تعاملات وبی

۱-۴٫ معرفی

به هنگامی که تکنولوژی وب ۲ پدیدار گردید، این فناوری فراهم آورنده روش های انعطاف پذیری بیشتری برای کاربران وبی به منظور خواندن و نوشتن بر روی اینترنت بوده است. غالبا می توان این موضوع را مشاهده نمود که به هنگامی که بخشی از اطلاعات در یک سایت پدیدار می گردد، به زودی سایت های دیگر نیز آن را انتشار داده و در نهایت تعداد وب سایت هایی که این مقاله یا موضوع را انتشار داده اند بسیار بزرگ می گردد. این نوع از پدیده ها غالبا به واسطه فعالیت انتشار کاربران وبی مد نظر می باشند.

۲-۴-۳۱٫ مدل شیوع یافته  

انتشار اطلاعات غالبا به عنوان نوعی مرض مسری یا شیوع یافته تلقی می گردد. در فرآیند آلودگی مسری متعارف SIS، هر فرد به نظر باید دارای دو حالت باشد یا آنکه مستعد است یا آنکه آلوده می باشد. فردی که سالم است خود به عنوان یک فرد مستعد بدان بیماری به حساب می آید، حالتی که می تواند منجر به بروز آلودگی با احتمال P1 گردد. از طرف دیگر، یک فرد آلوده را می توان همچنین به فرد مستعد با احتمال P2 تبدیل نمود.

۳-۴٫ انتشار اطلاعات بر روی بلاگ ها

صاحبان بلاگ با اتصال و تشکیل یک شبکه نوعی از شبکه دوستانه را به وجود می آورند. مدل انتشار برای بلاگ ها بر مبنای عملکردهای کاربران در خصوص خواندن و نوشتن در زمینه مدل سازی انتشار مقاله بر روی بلاگ ها پیشنهاد شده است. (Gruh و همکاران ۲۰۰۴). انتشار اطلاعات بر روی شبکه بر مبنای یک نمودار مشخص شده همانند شکل ۳-۳۱ می باشد.

۴-۴-۳۱٫ انتشار اطلاعات بر روی فروم های اجتماعی

فروم های اجتماعی وبی آنلاین تعداد بسیاری کاربران وبی را در خود مجتمع نموده اند. بسیاری از     مقاله هایی که می توان آنها را به موضوعات مشخصی گروه بندی نمود به صورت پیوسته در حال ایجاد می باشند. در فروم ها، کاربران وبی قابلیت خواندن، نوشتن و پاسخ دادن به موضوعات را داشته و بنابراین می توان آنها را به عنوان انتشار دهنده اطلاعات، از طریق کپی مقالات از یک سایت و درج آن در سایت یا وبلاگ دیگر، مد نظر قرار داد.

فعالیت کاربران تعاملات وبی

۵- ۳۱٫ خلاصه و نتیجه گیری

روش های اصلی که می توان آنها را جهت آنالیز و مدلسازی فعالیت کاربران برای تعاملات وبی به کار گرفت در این فصل خلاصه شده اند. در این مبحث، سه نوع از فعالیت کاربران، یعنی فعالیت کلیک، فعالیت انتخابی / گزینشی و فعالیت انتشاراتی بتفصیل تشریح شدند. برای هر فعالیت، مراحل مدلسازی فعالیت کاربران ارائه می گردد. این مراحل غالبا شامل اکتساب داده ها، که در زمینه تمایز فعالیت های کاربران مفید است،‌ تبدیل داده ها به یک فرمت متناسب، که بتوان از آنها جهت آموزش یک مدل کاربر استفاده نمود، و استنباط یک مدل کاربر از طریق الگوریتم های کامپیوتری، هستند. بطور خاص، هر یک از این روش ها به شرح ذیل خلاصه شده اند.

1. فعالیت کلیک کاربران در وبلاگی ثبت می شود که به صورت تدریجی به وسیله سرورهای وبی به روزرسانی خواهد شد. از طریق تجزیه رکوردهای فایل ثبتی یا لاگ،‌ مشخص کردن کاربران و شناسایی نشست ها یا بخش های مربوطه، دامنه فعالیت کلیک کاربران به بخش های مشخصی تقسیم بندی و مجزا می شود. سپس، کلیه انواع مدلسازی فعالیت، نظیر مدل مارکوف و گوناگونی های مرتبط، جهت حاصل آوردن تشریح فشرده ای در ارتباط با فعالیت کلیکینگ کاربران، به کار گرفته می شوند.

2. فعالیت گزینشی در فروم های وبی را می توان از طریق پست کاربران یا اطلاعات ارسالی کاربران مشاهده نمود. بوسیله جمع آوری صفحات وبی، که شامل پست هایی از طریق برنامه های خزنده یا کلالر می باشند،‌ همراه با صفحات تجزیه HTML و استخراج اطلاعات در خصوص متن پست کاربران، قابلیت ایجاد یک مجموعه اطلاعات در ارتباط با فعالیت گزینشی کاربران فراهم می گردد. سپس، تکنیک های مدلسازی موضوعی تحت فرضیات مختلف به کار گرفته شده تا آنکه قابلیت استنتاج فعالیت گزینشی کاربران از این مجموعه های اطلاعاتی فراهم شود.

3. امر آنالیز فعالیت انتشار مشکل می باشد. از نقطه نظر اپیدمیکی / مسری،‌ حالت های مستعد، آلودگی و ریکاوری / بهبودی در زمینه فرآیند انتشار موضوعات وبی ارائه می شود. از طریق مدلسازی اشخاص با بهره گیری از این حالت ها، یک مدل شبیه سازی که شامل تعداد زیادی از چنین اشخاصی می باشد ایجاد گردیده تا قابلیت بررسی فعالیت انتشار وجود داشته باشد.