tsta

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

مروری بر نظام مسئله پیش‌بینی محبوبیت اخبار و الگوریتم‌های ارائه شده برای آن

Authors :

مجتبی ولی پور¹ مجید عبدالرزاق نژاد²

1- دانشگاه صنعتی بیرجند 2- دانشگاه صنعتی بیرجند

Keywords :

پیش‌بینی محبوبیت اخبار،یادگیری ماشین،شبکه‌های عصبی گرافی،مکانیسم‌های توجه،تحلیل محتوای آنلاین

Abstract :

در عصر دیجیتال حاضر، با گسترش شتابان فناوری اطلاعات و نفوذ فراگیر اینترنت، شاهد تولید و انتشار بی‌سابقه حجم عظیمی از محتوای دیجیتال، به‌ویژه اخبار آنلاین، در قالب‌های متنی، تصویری و ویدیویی از طریق رسانه‌ها و شبکه‌های اجتماعی هستیم. این فراوانی محتوا، رقابتی تنگاتنگ را میان تولیدکنندگان برای جلب توجه مخاطبان رقم زده است. از همین رو، پیش‌بینی محبوبیت اخبار، که با معیارهایی چون تعداد بازدید، اشتراک‌گذاری، لایک، نرخ کلیک (CTR) یا نظرات کاربران سنجیده می‌شود، به مسئله‌ای اساسی در مدیریت هوشمند محتوا تبدیل گشته است. چنین پیش‌بینی دقیقی می‌تواند مزایای قابل توجهی به همراه داشته باشد؛ از جمله کمک به سرویس‌های خبری برای اولویت‌بندی اخبار پرمخاطب، ارائه توصیه‌های شخصی‌سازی‌شده به کاربران، بهبود اثربخشی تبلیغات هدفمند و بهینه‌سازی مدیریت زیرساخت‌های فنی را فراهم آورد. پژوهشگران در حوزه‌های داده‌کاوی و یادگیری ماشین، در مواجهه با این چالش، مدل‌های پیشرفته‌ای را توسعه داده‌اند. این مدل‌ها از رویکردهای متنوعی بهره می‌برند؛ از جمله به‌کارگیری ویژگی‌های متادیتا، زمانی و محتوایی خبر پیش از انتشار، تحلیل احساسات و ویژگی‌های روان‌زبان‌شناسی محتوا، و استفاده از مدل‌های مبتنی بر گراف برای درک تعاملات پیچیده کاربران و ساختارهای شبکه‌ای. همچنین، پیشرفت‌های اخیر در شبکه‌های عصبی عمیق، به‌ویژه شبکه‌های عصبی گرافی (GNNs) و مکانیسم‌های توجه (Attention Mechanisms)، توانایی مدل‌سازی روابط غیرخطی و استخراج نمایش‌های غنی از داده‌های خبری را فراهم آورده است. این مطالعه با هدف ارائه یک بررسی جامع، به تحلیل چالش‌ها و رویکردهای نوین در پیش‌بینی محبوبیت اخبار، به‌ویژه در سناریوهای پیش از انتشار، می‌پردازد و مروری تطبیقی بر الگوریتم‌ها و روش‌های برجسته این حوزه ارائه می‌دهد.