دانلود مقاله isi طبقه بندی جمعیتی جنسیت در اینستاگرام بر اساس بخش نظرات کاربران

دانلود مقاله isi طبقه بندی جمعیتی جنسیت در اینستاگرام بر اساس بخش نظرات کاربران

زبان مقاله: انگلیسی
سال انتشار: 2019

رسانه های اجتماعی به بخشی جدایی ناپذیر در جامعه تبدیل شده است. این امر باعث افزایش تقاضای بازاریابی در رسانه های اجتماعی شد. پیشرفت های جدید در زمینه هوش مصنوعی به صاحبان برند کمک کرده است تا با دانستن مشخصات جمعیتی هدف خود ، بازاریابی رسانه های اجتماعی را تقویت کنند. این مطالعه مدلی را برای پیش بینی جنسیت کاربران رسانه های اجتماعی بر اساس بخش نظرات در پروفایل اینستاگرام با استفاده از AdaBoost ، XGBoost ، ماشین بردار پشتیبان و طبقه بندیگر Naive Bayes ارائه کرده است که همراه با جستجوی شبکه و اعتبار سنجی K- Fold است. این مدل با 40،000 نظر آموزش داده شد و موفق به دریافت 78.64٪ در Naive Bayes ، 73.41٪ در XGBoost ، 74.56٪ در AdaBoost و 76.07٪ در SVM شد که به طور کلی بالاتر از مطالعات مرتبط با این موضوع هستند. این نتیجه نشان می دهد که Naive Bayes در طبقه بندی متن کوتاه دقت بالاتری را ایجاد می کند و امکان کمک به بازاریابی رسانه های اجتماعی را نیز دارد.


Social media has become an integral part of the society. This created a rising demand on social media marketing. New breakthroughs in the field of artificial intelligence have enabled brand owners to boost social media marketing by knowing their target’s demography. This study presents a model to predict gender of social media users based on comments section on Instagram profile by using AdaBoost, XGBoost, Support Vector Machine, and Naive Bayes Classifier combined with a grid search and K- Fold validation. The model was trained with 40,000 comments and managed to get 78.64% on Naive Bayes, 73.41% on XGBoost, 74.56% on AdaBoost and 76.07% on SVM which are generally higher than related studies on this subject. This result shows that Naive Bayes produces higher accuracy on short text classification and has possibilities to help social media marketing.