ارزیابی خودکار گفتگوهای آنلاین در شبکه های اجتماعی با متن کاوی

شبکه های اجتماعی در انواع مختلف محتوا مثل متن و چند رسانه غنی هستند. شبکه های اجتماعی به الگوریتم های متن کاوی در بسیاری از برنامه ها مثل جستجوی کلمه ی کلیدی، طبقه بندی و خوشه بندی نیاز دارد. تالارهای گفتگو و تبادل نظر آنلاین با سرعت در حال استفاده از سیستم های آموزش الکترونیکی هستند. این کار بار سنگینی را بر دوش مدرسان از نظر تعدیل بحث های دانشجویی قرار داده است. روش های ارزیابی قبلی در مورد مشارکت دانشجویان در گفتگوی آنلاین به شدت با روش های کمی دنبال شده است که لزوما تلاش دانشجویان را در بر نمی گیرد. همراه با گسترش این کاربرد، نیاز به ابزارهای سریع استخراج دانش برای تجزیه و تحلیل و ارائه پیام های آنلاین به شیوه ای مفید و معنی دار وجود دارد. این مقاله به بحث روی روشی کیفی پرداخته است که شامل تجزیه و تحلیل محتوای بحث ها و تولید خوشه ای است که می توان برای شناسایی موضوع های مورد بحث استفاده کرد. ما از یک الگوریتم خوشه ایk - ++means با تجزیه و تحلیل معنای نهفته برای ارزیابی موضوعات بیان شده توسط دانشجویان در تالارهای بحث و تبادل نظر آنلاین استفاده می کنیم. سپس این الگوریتم پیشنهادی با الگوریتم ++ k-means استاندارد مقایسه شد. ما با استفاده از انجمن مدیریت دوره مودل برای اعتبار بخشی الگوریتم پیشنهادی نشان دادیم که الگوریتم خوشه ای ++ k-means با تجزیه و تحلیل معنای نهفته بهتر از الگوریتم ++ k-means مستقل عمل می کند.

کلیدواژه ها:

گفتگوی آنلاین ، شبکه های اجتماعی ، متن کاوی ، الگوریتم ++ k-means