نقش شبکه‌های اجتماعی در پیش‌بینی نرخ ابتلا به کروناویروس | ||
| مدل سازی در مهندسی | ||
| دوره 24، شماره 85، تیر 1405، صفحه 187-200 اصل مقاله (748.74 K) | ||
| نوع مقاله: مقاله کامپیوتر | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2025.34695.2701 | ||
| نویسندگان | ||
| فهیمه حافظی؛ مریم خدابخش* | ||
| دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شاهرود، سمنان، ایران | ||
| چکیده | ||
| از آن‌جایی که کروناویروس به‌عنوان یک بیماری عفونی همه‌گیر در سال 2019 شناخته شد بیشتر مردم در طول این همه‌گیری مجبور به ماندن در خانه‌های خود شدند. با توجه به این که شبکه‌های اجتماعی به‌عنوان یک رسانه محبوب در بین مردم و در زمان همه‌گیری شناخته شده است، بنابراین تحلیل محتوای اجتماعی تولید شده توسط کاربران می‌تواند بینش‌های جدیدی را ارائه کند و برای ردیابی وقوع همه‌گیری در طول زمان موثر باشند. . این پژوهش با هدف ارائه مدلی برای پیش‌بینی نرخ بروز کووید-19 در موج اول همه‌گیری در ایران، از طریق تحلیل پست‌های اینستاگرامی فارسی انجام شد. با استفاده از تکنیک هم‌افزایی، سه ویژگی شباهت معنایی، احساس ترس و احساس امید از پست‌های اینستاگرامی استخراج شد. برای این منظور، تکنیک‌های تعبیه کلمه (Word2Vec, Glove, FastText) برای محاسبه شباهت معنایی و مدل طبقه‌بند مبتنی بر BERT برای شناسایی احساسات ترس و امید به کار گرفته شد. همچنین برای بهبود عملکرد، از مدل SBERT به‌جای روش‌های کلاسیک تعبیه نیز استفاده شد. سپس مدل رگرسیون بردار پشتیبان (SVR) با استفاده از شاخص‌های آماری مبتنی بر این ویژگی‌ها برای پیش‌بینی نرخ بروز روزانه کووید-19 آموزش داده شدند. نتایج نشان داد که هم‌افزایی ویژگی‌های شباهت معنایی و احساس ترس با استفاده از SBERT در مدل SVM بالاترین عملکرد را با ضریب تعیین (R²) 0.52 ارائه می‌دهد، که نسبت به روش‌های پایه بهبود قابل‌توجهی نشان می‌دهد. این یافته‌ها نشان می‌دهند که ترکیب خودکار ویژگی‌های معنایی و احساسی می‌تواند شاخصی مؤثر برای پایش بیماری‌های همه‌گیر از طریق شبکه‌های اجتماعی باشد. | ||
| کلیدواژه‌ها | ||
| کروناویروس؛ شبکه‌اجتماعی؛ پیش‌بینی نرخ بروز کرونا؛ هم‌افزایی؛ تحلیل احساسات | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,052 تعداد دریافت فایل اصل مقاله: 20 |
||