پيش بيني تعداد مكان هاي بازديد شده كاربر در شبكه هاي اجتماعي مكان مبنا(مطالعه موردي: شبكه gowalla)

آگاهي از رفتار و موقعيت كاربران براى سازمان هاى دولتى و غير دولتى منافع اقتصادى و اجتماعى زيادى از جمله بهبود عملكرد سيستم و سرعت پاسخگويي بيشتر در خدمات پايانه‌اي و حتي رونق گردشگري دارد، از اين رو شبكه هاي اجتماعي مكان مبنا كاربردهاي فراواني از جمله در اكتشاف رفتار و كمك در طراحي برنامه‌هاي كاربردي داده محور دارند. هدف اين مقاله پيش بيني تعداد مكان هاى بازديد شده توسط كاربر با استفاده از پارامتر هاي ورودى دفعات آنلاين شدن كاربر، تعداد دوستان او، و تعداد سفرهايش است؛ تا تعداد مكان هاي بازديد شده پيش بيني شود. بدين منظور يك شبكه عصبى طراحى مي‌شود كه لايه ورودى آن شامل سه گره است، دو لايه مخفى كه به ترتيب داراي ٤ و ٢ گره هستند، و در پايان لايه خروجى داراي يه گره است. شبكه عصبى با ٧٠٠ داده آموزش داده مي شود و وزن هاى ارتباطى بين گره هاى هر لايه بدست مى آيد. سپس شبكه آموزش داده شده روى ٣٠٠ داده آزمايشي اعمال مى شود. به منظور ارزيابى مدل از معيار خطاى Residual Error و همچنين نمودار پراكندگى داده هاى هاى واقعى در برابر مقادير پيش بيني شده استفاده مى‌شود. دقت بالاي مدل در حاكي از تحليل صحيح روابط و پيش بيني دقيق تعداد سفر به مكان مشخص از طريق داده هاي فضايي و مكاني مي باشد كه در اين راستا دقت 80درصدي در پيش بيني تعداد سفر كاربر به مكان بعدي در شبكه اجتماعي بر اساس روابط دوستانه او كسب شد. راهكار پيشنهادي نسبت به روش‌هاي پيشين از جمله رگرسيون تعميم يافته افزايش قابل توجهي در ميزان دقت و كاهش خطا در پيش بيني داشته است.