در دنیای امروز، شبکه‌های اجتماعی به منابع غنی از اطلاعات تبدیل شده‌اند که می‌توانند دیدگاه‌ها و روندهای مختلف را در زمینه‌های گوناگون منعکس کنند. استخراج اطلاعات مفید از این منابع، به‌ویژه از پلتفرم‌های پرکاربردی مانند توییتر، چالشی مهم و در عین حال فرصتی ارزشمند برای محققان و تحلیل‌گران است. مقاله حاضر، با عنوان «بررسی روند یک حوزه مورد علاقه در توییت‌های فعال با استفاده از تعبیه‌های کلمه و جمله: یک مطالعه موردی»، به بررسی یک روش نوین و کارآمد برای شناسایی و ارزیابی روندهای موجود در توییت‌های مرتبط با یک موضوع خاص می‌پردازد.

این مقاله توسط اسماعیل اصلان و یوجل توپچو به رشته تحریر درآمده است. نویسندگان در زمینه پردازش زبان طبیعی (NLP) و هوش مصنوعی فعالیت دارند و این مقاله نیز در همین راستا ارائه شده است. زمینه تحقیق آن‌ها بر استخراج اطلاعات از متون و تحلیل احساسات در شبکه‌های اجتماعی متمرکز است. این تخصص به آن‌ها این امکان را می‌دهد تا روش‌های موثری برای درک و تفسیر داده‌های متنی ارائه دهند.

چکیده مقاله به این صورت است: هدف اصلی در حوزه پردازش زبان طبیعی، استخراج اطلاعات از متون بوده است. در این راستا، تکنیک‌های متعددی برای تشخیص نظر یا احساس نهفته در یک توییت به کار گرفته شده‌اند. این مقاله، فراتر از تحلیل احساسات، به بررسی ارتباط توییت‌ها با یک حوزه مورد علاقه خاص می‌پردازد. روش پیشنهادی، یک متدولوژی خودکار و ساده است که با محاسبه میانگین شباهت روزانه بین مجموعه توییت‌های روزانه و کلمات کلیدی مرتبط با حوزه مورد نظر، روندهای موجود را شناسایی می‌کند. این محاسبات بر پایه تشابه کسینوسی و تعبیه‌های کلمه/جمله استوار است که توسط Multilanguage Universal Sentence Encoder محاسبه می‌شوند. نتایج نشان می‌دهند که این روش می‌تواند روندهای جاری در توییتر را تقریباً در زمان واقعی شناسایی کند. همچنین، مقاله به مقایسه کارایی استفاده از تعبیه‌های کلمه در مقابل تعبیه‌های جمله می‌پردازد و نشان می‌دهد که اگرچه هر دو روش نتایج مشابهی ارائه می‌دهند، استفاده از تعبیه‌های کلمه از نظر محاسباتی کارآمدتر است.

به طور خلاصه، این مقاله یک روش کارآمد و بدون نیاز به آموزش مدل یادگیری ماشین برای شناسایی روندهای موجود در توییت‌ها ارائه می‌دهد. این روش بر پایه مقایسه شباهت بین توییت‌ها و کلمات کلیدی مرتبط با یک حوزه مورد علاقه استوار است و می‌تواند به سرعت و با دقت روندهای جاری را شناسایی کند.

روش‌شناسی این تحقیق بر پایه یک رویکرد خودکار و بدون نیاز به آموزش مدل یادگیری ماشین استوار است. مراحل اصلی این روش به شرح زیر است:

• تعریف حوزه مورد علاقه: در ابتدا، باید حوزه مورد علاقه‌ای که قصد بررسی روند آن را داریم به طور دقیق تعریف کنیم. به عنوان مثال، اگر به بررسی روند استفاده از انرژی‌های تجدیدپذیر علاقه داریم، این حوزه باید به طور واضح مشخص شود.
• انتخاب کلمات کلیدی: پس از تعریف حوزه مورد علاقه، باید لیستی از کلمات کلیدی مرتبط با آن تهیه کنیم. این کلمات باید به خوبی نشان‌دهنده مفاهیم و موضوعات مرتبط با حوزه مورد نظر باشند. برای مثال، برای حوزه انرژی‌های تجدیدپذیر، می‌توان از کلماتی مانند “انرژی خورشیدی”، “انرژی بادی”، “توربین بادی”، “پنل خورشیدی” و غیره استفاده کرد.
• جمع‌آوری توییت‌ها: در این مرحله، توییت‌های مرتبط با حوزه مورد علاقه را جمع‌آوری می‌کنیم. این کار می‌تواند با استفاده از API توییتر و جستجوی توییت‌هایی که حاوی کلمات کلیدی انتخاب شده هستند انجام شود.
• محاسبه تعبیه‌های کلمه/جمله: برای هر توییت و هر کلمه کلیدی، یک بردار تعبیه (embedding vector) ایجاد می‌کنیم. این بردارها نشان‌دهنده معنای کلمه یا جمله در یک فضای چندبعدی هستند. در این مقاله از Multilanguage Universal Sentence Encoder برای ایجاد این بردارها استفاده شده است.
• محاسبه شباهت کسینوسی: پس از ایجاد بردارها، شباهت کسینوسی بین بردار هر توییت و بردار هر کلمه کلیدی را محاسبه می‌کنیم. شباهت کسینوسی یک معیار برای سنجش میزان شباهت بین دو بردار است که مقدار آن بین 0 و 1 متغیر است. مقدار 1 نشان‌دهنده بیشترین شباهت و مقدار 0 نشان‌دهنده کمترین شباهت است.
• محاسبه میانگین شباهت روزانه: در این مرحله، میانگین شباهت کسینوسی بین توییت‌های هر روز و کلمات کلیدی را محاسبه می‌کنیم. این میانگین، نشان‌دهنده میزان ارتباط توییت‌های آن روز با حوزه مورد علاقه است.
• تحلیل روند: در نهایت، با بررسی تغییرات میانگین شباهت روزانه در طول زمان، می‌توان روندهای موجود در توییت‌های مرتبط با حوزه مورد علاقه را شناسایی کرد.

این روش، به دلیل سادگی و عدم نیاز به آموزش مدل یادگیری ماشین، می‌تواند به سرعت و با کمترین هزینه، روندهای موجود در توییت‌ها را شناسایی کند.

یافته‌های کلیدی این تحقیق عبارتند از:

• قابلیت شناسایی روندها: روش پیشنهادی می‌تواند به طور موثری روندهای موجود در توییت‌های مرتبط با یک حوزه مورد علاقه را شناسایی کند.
• کارایی تعبیه‌های کلمه و جمله: استفاده از هر دو نوع تعبیه (کلمه و جمله) نتایج مشابهی ارائه می‌دهد.
• مزیت تعبیه‌های کلمه: تعبیه‌های کلمه از نظر محاسباتی کارآمدتر از تعبیه‌های جمله هستند و زمان پردازش کمتری نیاز دارند.
• قابلیت کاربرد در زمان واقعی: این روش می‌تواند به سرعت و در زمان واقعی، روندهای موجود در توییتر را شناسایی کند.

به عبارت دیگر، این تحقیق نشان می‌دهد که می‌توان با استفاده از یک روش ساده و کارآمد، روندهای جاری در توییتر را در زمینه‌های مختلف شناسایی کرد. این امر می‌تواند برای تحلیل‌گران، محققان و سازمان‌ها بسیار مفید باشد.

این تحقیق دارای کاربردها و دستاوردهای متعددی است، از جمله:

• تحلیل روندهای اجتماعی: این روش می‌تواند برای تحلیل روندهای اجتماعی در زمینه‌های مختلف مانند سیاست، اقتصاد، فرهنگ و غیره مورد استفاده قرار گیرد.
• رصد افکار عمومی: با استفاده از این روش می‌توان افکار عمومی را در مورد موضوعات مختلف رصد کرد و تغییرات آن را در طول زمان مورد بررسی قرار داد.
• شناسایی بحران‌ها: این روش می‌تواند برای شناسایی بحران‌های اجتماعی، اقتصادی و سیاسی مورد استفاده قرار گیرد. به عنوان مثال، اگر به طور ناگهانی تعداد توییت‌های منفی در مورد یک شرکت افزایش یابد، این می‌تواند نشانه‌ای از وقوع یک بحران برای آن شرکت باشد.
• بهبود تصمیم‌گیری: اطلاعات به دست آمده از این روش می‌تواند به سازمان‌ها و افراد در اتخاذ تصمیمات بهتر کمک کند.
• سنجش میزان علاقه به یک محصول یا خدمت: شرکت‌ها می‌توانند با استفاده از این روش میزان علاقه و توجه به یک محصول جدید را در توییتر بسنجند.

به طور کلی، این تحقیق یک ابزار قدرتمند برای استخراج اطلاعات مفید از توییتر و تحلیل روندهای موجود در آن ارائه می‌دهد.

در نهایت، مقاله “بررسی روند یک حوزه مورد علاقه در توییت‌های فعال با استفاده از تعبیه‌های کلمه و جمله: یک مطالعه موردی” یک روش کارآمد و ساده برای شناسایی و ارزیابی روندهای موجود در توییت‌های مرتبط با یک موضوع خاص ارائه می‌دهد. این روش، با استفاده از تعبیه‌های کلمه/جمله و محاسبه شباهت کسینوسی، می‌تواند به سرعت و با دقت روندهای جاری را شناسایی کند. یافته‌های این تحقیق نشان می‌دهد که استفاده از تعبیه‌های کلمه از نظر محاسباتی کارآمدتر است و می‌تواند در زمان واقعی، روندهای موجود در توییتر را شناسایی کند. این روش دارای کاربردهای متعددی در زمینه‌های مختلف از جمله تحلیل روندهای اجتماعی، رصد افکار عمومی و شناسایی بحران‌ها است. به طور کلی، این تحقیق یک گام مهم در راستای استخراج اطلاعات مفید از شبکه‌های اجتماعی و تحلیل روندهای موجود در آن‌ها محسوب می‌شود و می‌تواند به محققان، تحلیل‌گران و سازمان‌ها در درک بهتر دنیای پیرامون کمک کند.