مدل سازی رفتار بازنشر کاربران در اجتماعات برخط با استفاده از تیمی از اتوماتاهای یادگیر

امروزه اجتماعات برخط، در گردش اطلاعات نظیر اخبار، محتوای آموزشی، مطالب سرگرم کننده و غیره نقش مهمی دارند. میلیون ها کاربر به صورت روزانه پست های مختلف را در این محیط، ایجاد می نمایند. کاربران در صورت تمایل، برخی از پست را بازنشر می کنند. بازنشر یک پست در انتقال اطلاعات بین کاربران تاثیر اساسی دارد. با توجه به تعداد زیاد پست ها، کاربران در این گونه اجتماعات با مشکل گرانباری اطلاعات مواجه هستند. این مسئله موجب کاهش بازنشر پست ها و اختلال در انتقال اطلاعات در اجتماعات برخط شده است. در این مقاله، رفتار بازنشر کاربران در مواجهه با پست های مختلف، مدل سازی شده است. برای این کار در ابتدا عوامل موثر در رفتار بازنشر کاربران شناسایی شده است و سپس با استفاده از یک روش یادگیری تقویتی، رفتار کاربران در مواجهه با یک پست پیش بینی شده است. این روش یادگیری تقویتی به صورت یک بازی برای تیمی از اتوماتاهای یادگیر تصادفی طراحی شده است. برای ارزیابی، از سه مجموعه داده نسبتا بزرگ استفاده شده است. بر اساس نتایج بدست آمده، اتوماتاهای یادگیر تصادفی با توجه به ویژگی های محیط و قدرت یادگیری برخط، قابلیت اجرایی بسیار خوبی داشته است.