ساخت و جاسازی گراف ناهمگن برای خوشه‌بندی موثر محتوای متنی شبکه اجتماعی توییتر

با رشد روزافزون شبکه‌های اجتماعی، فعالیت‌های پژوهشی متنوعی برای درک محتوای منتشرشده در آن‌ها انجام شده است. اکثر تحقیقات به صورت یکسان به انواع داده‌های موجود در این شبکه‌ها نگاه می‌کنند و آن‌ها را با گراف همگن مدل می‌کنند. این درحالی است که این مجموعه داده‌ها شامل بیش از یک نوع موجودیت با ارتباطات متنوعی هستند و بهتر است برای مدل‌کردن آن‌ها از شبکه‌های ناهمگن استفاده کرد. در این مقاله چارچوبی برای ساخت گرافی ناهمگن و چند لایه از داده‌های شبکه‌ اجتماعی توییتر ارائه می‌شود که می‌تواند علاوه بر روابط ساختاری موجود بین انواع موجودیت‌ها، ارتباط محتوایی متن پیام را هم در گراف نمایش دهد. در این روش برای جاسازی رئوس گراف ناهمگن، با در نظر گرفتن فرامسیرهای احتمالی به عنوان الگویی برای حرکت بین انواع رئوس، یک الگوریتم قدم‌زنی تصادفی-احتمالی اجرا می‌شود که می‌تواند از ویژگی رئوس برای افزایش دقت فرایند خوشه‌بندی استفاده کند. چارچوب و الگوریتم ارائه‌شده روی مجموعه‌ای با بیش از صد هزار داده‌ واقعی توییتر که از طریق رابط کاربری توییتر جمع‌آوری شده، مورد ارزیابی قرار گرفته است که نتایج حاصل، نشانگر دقت بیش‌تر روش پیشنهادی نسبت به روش‌های قبلی بدون ناظر کلاسیک و مبتنی بر فرامسیرها‌ برای گروه‌بندی توییت‌های منتشرشده در شبکه اجتماعی توییتر است.