ارائه­ دهنده:
زهره سعیدزاده

 استاد راهنما:
دکتر وصال حکمی
دکتر الهه واعظ‌ ‌پور

هیات داوری: 
 دکتر ابوالفضل دیانت
دکتر حامد خانمیرزا

زمان:
 ۱۴۰۱/۰۷/۲۷

ساعت ۱۴:۰۰
 

خانم زهره سعیدزاده دانشجوی کارشناسی ارشد آقای دکتر وصال حکمی روز چهارشنبه  ۲۷ مهرماه ساعت ۱۴:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان "بهینه‌سازی انشعاب جریان ترافیک در شبکه‌های بی‌سیم ناهمگن مبتنی بر اتصال دوگانه" دفاع خواهند نمود. 

چکیده پایان نامه:
 با وجود دسترسی گسترده به محتوای وب و حجم عظیم داده‌ی خبری تولید شده، نیاز به بررسی عمیق‌تر این موضوع در زیر مسئله‌های مختلف آن و یافتن دانش و معنا در داده‌های خبری نیز بیشتر شده است. یکی از این زیربخش‌ها مطالعه و ارائه رویکردهای جدید برای پیش‌بینی محبوبیت  محتوای خبری به منظور اختصاص منابع مناسب برای این نوع داده است. در این  راستا، این پژوهش به بررسی داده‌های خبری و یافتن راهکارهای مناسب با هدف پیش‌‌بینی محبوبیت، معروفیت و دیده شدن این داده‌ها، می‌پردازد.
رویکردهای متنوعی برای حل مسئله پیش‌بینی محبوبیت اخبار ارائه شده‌اند؛ که با در نظر گرفتن سناریوی زمان در دسترس بودن داده‌ها، نوع ویژگی‌های مورد بررسی و همچنین نوع متغیر هدف؛ این رویکردها به دو دسته‌ی پیش‌بینی قبل از انتشار و یا بعد از انتشار خبر تقسیم‌بندی می‌شوند.
 این پژوهش  پیش‌بینی محبوبیت خبر را پس از انتشار آن را مورد بررسی قرار می‌دهد. هدف از این کار افزایش دقت پیش‌بینی محبوبیت اخبار است؛ که این هدف امکان پیشنهاد‌دهی سریع‌تر و دقیق‌‌تر محتوای خبری را نیز به همراه دارد. انگیزه‌ی اصلی برای یافتن راه حل مناسب برای این نیاز، در حجم بالای محتوای خبری و افزایش تقاضای کاربران برای دسترسی سریع و آسان به اطلاعات ریشه دارد. همچنین  حل این مسئله برای سامانه‌های خبری و افراد ذینفع، بسیار سودمند است؛ چرا که آگاهی از میزان محبوبیت هر مورد خبری در مواردی مانند جایگاه خبر در سایت، تبلیغات، روند اتفاقات؛ سودمند است. هدف این پژوهش بررسی کارهای گذشته و مقایسه‌ی روش‌ها و الگوریتم‌های مختلف به منظور یافتن الگوریتمی که بهترین میزان دقت پیش‌بینی را ارائه می‌دهد. در این ارزیابی چند مدل از مدل‌های یادگیری ماشین مانند جنگل‌ تصادفی،‌ نزدیک‌ترین همسایه و... بررسی می‌شود که در نهایت یک مدل یادگیری توام شبکه عصبی پیشخور بالاترین دقت پیش‌بینی به میزان ۸۳٪ را فراهم می‌کند.

واژه‌های کلیدی:  محبوبیت خبر، محتوای خبری آنلاین، پیش‌بینی محبوبیت