شناسایی و کاوش اجتماع در رسانه‌های اجتماعی ۲۰۲۲
Community detection and mining in social media 2022

دهه‌ی گذشته شاهد ظهور وب مشارکتی و رسانه‌های اجتماعی بوده است که مردم را به روش‌های خلاقانه‌ای گرد هم آورده است. میلیون‌ها کاربر در حال بازی، برچسب‌زنی، کار و معاشرت آنلاین هستند و اشکال جدیدی از همکاری، ارتباط و هوش را به نمایش می‌گذارند که تا همین چند وقت پیش به سختی قابل تصور بود. رسانه‌های اجتماعی همچنین به تغییر مدل‌های کسب‌وکار، جهت‌دهی به نظرات و احساسات، و گشودن امکانات بی‌شماری برای مطالعه‌ی تعاملات انسانی و رفتار جمعی در مقیاسی بی‌سابقه کمک می‌کنند.

این درسنامه، از دیدگاه داده‌کاوی، به معرفی ویژگی‌های رسانه‌های اجتماعی، بررسی وظایف نمونه‌ای از محاسبات با رسانه‌های اجتماعی و تشریح چالش‌های مرتبط با آن می‌پردازد. مفاهیم اساسی را معرفی می‌کند، الگوریتم‌های پیشرفته را با مثال‌های ساده و قابل فهم ارائه می‌دهد و روش‌های ارزیابی موثر را توصیه می‌کند. به طور خاص، ما در مورد تکنیک‌های تشخیص انجمن مبتنی بر گراف و بسیاری از گسترش‌های مهم که شبکه‌های پویا و ناهمگن را در رسانه‌های اجتماعی مدیریت می‌کنند، بحث می‌کنیم. همچنین نشان می‌دهیم که چگونه الگوهای کشف شده‌ی انجمن‌ها می‌توانند برای داده‌کاوی رسانه‌های اجتماعی استفاده شوند.

مفاهیم، الگوریتم‌ها و روش‌های ارائه شده در این درسنامه می‌تواند به مهار قدرت رسانه‌های اجتماعی و پشتیبانی از ساخت سیستم‌های هوشمند اجتماعی کمک کند. این کتاب یک مقدمه‌ی در دسترس برای مطالعه‌ی emph{تشخیص انجمن و داده‌کاوی در رسانه‌های اجتماعی} است. این کتاب یک مطالعه‌ی ضروری برای دانشجویان، محققان و متخصصان در رشته‌ها و کاربردهایی است که در آن رسانه‌های اجتماعی یک منبع کلیدی داده است که کنجکاوی ما را برای درک، مدیریت، نوآوری و تعالی برمی‌انگیزد.

این کتاب با مواد اضافی از جمله اسلایدهای درس، مجموعه‌ی کامل شکل‌ها، مراجع کلیدی، برخی مجموعه‌داده‌های اسباب‌بازی استفاده شده در کتاب و کد منبع الگوریتم‌های نمونه پشتیبانی می‌شود. از خوانندگان دعوت می‌شود تا برای آخرین اطلاعات به وب‌سایت کتاب مراجعه کنند.

فهرست مطالب: رسانه‌های اجتماعی و محاسبات اجتماعی / گره‌ها، پیوندها و تأثیر / تشخیص و ارزیابی انجمن / انجمن‌ها در شبکه‌های ناهمگن / داده‌کاوی رسانه‌های اجتماعی

The past decade has witnessed the emergence of participatory Web and social media, bringing people together in many creative ways. Millions of users are playing, tagging, working, and socializing online, demonstrating new forms of collaboration, communication, and intelligence that were hardly imaginable just a short time ago. Social media also helps reshape business models, sway opinions and emotions, and opens up numerous possibilities to study human interaction and collective behavior in an unparalleled scale. This lecture, from a data mining perspective, introduces characteristics of social media, reviews representative tasks of computing with social media, and illustrates associated challenges. It introduces basic concepts, presents state-of-the-art algorithms with easy-to-understand examples, and recommends effective evaluation methods. In particular, we discuss graph-based community detection techniques and many important extensions that handle dynamic, heterogeneous networks in social media. We also demonstrate how discovered patterns of communities can be used for social media mining. The concepts, algorithms, and methods presented in this lecture can help harness the power of social media and support building socially-intelligent systems. This book is an accessible introduction to the study of emph{community detection and mining in social media}. It is an essential reading for students, researchers, and practitioners in disciplines and applications where social media is a key source of data that piques our curiosity to understand, manage, innovate, and excel. This book is supported by additional materials, including lecture slides, the complete set of figures, key references, some toy data sets used in the book, and the source code of representative algorithms. The readers are encouraged to visit the book website for the latest information. Table of Contents: Social Media and Social Computing / Nodes, Ties, and Influence / Community Detection and Evaluation / Communities in Heterogeneous Networks / Social Media Mining