Twitter

حرية الوصول المقاله

1 - ژئوگفتمان جریان تکفیری IS و بازنمایی رسانه ای آن با تمرکز بر رسانه¬های دیجیتال
امیر محسن زادگان حسین مسعودنیا امیرمسعود شهرام نیا سیدجواد امام جمعه زاده

این نوشتار در صدد واکاوی عملکرد رسانه ای جریان تکفیری- تروریستی IS می باشد. بر این اساس فرایند گفتمان سازی این جریان در فضای مجازی و شبکه های مجازی مورد مطالعه قرار می گیرد. در واقع روند پی ریزی منظومه گفتمانی و صورت بندی گره های معنایی که موقعیت خودی و دگر را برمی سا أکثر

این نوشتار در صدد واکاوی عملکرد رسانه ای جریان تکفیری- تروریستی IS می باشد. بر این اساس فرایند گفتمان سازی این جریان در فضای مجازی و شبکه های مجازی مورد مطالعه قرار می گیرد. در واقع روند پی ریزی منظومه گفتمانی و صورت بندی گره های معنایی که موقعیت خودی و دگر را برمی سازد و آن را در موقعیت هژمونیک و برتر می نشاند از مجرا و کانال شبکه های مجازی با بهره-گیری از تکنیک های رسانه ای مدنظر این پژوهش است. بر این مبنا پرسش اصلی نوشتار معطوف بر سنجش میزان سودمندی و فرصت زایی این عرصه های رسانه ای برای اقدامات این جریان و یا در مقابل تهدیدزا بودن این فضاها برای موقعیت این جریان و در کل جریان های تکفیری می باشد. فرضیه این نوشتار نیز دلالت بر مفید بودن این فضا برای این جریان ها به دلیل رویکرد حرفه ای ایشان به شبکه های اجتماعی و اشراف و شناخت بر کارکرد رسانه ها در راستای تکوین روند تروریسم رسانه ای در چارچوب عملیات روانی در تکمیل اقدامات ژئوپلیتیکی می باشد. تفاصيل المقالة

حرية الوصول المقاله

2 - تشخیص اسپم در شبکه اجتماعی توییتر با استفاده از رویکرد یادگیری ترکیبی
مریم فصیحی محمدجواد شایگان فرد زهرا سادات حسینی مقدم زهرا سجده

امروزه شبکه‌های اجتماعی، نقش مهمی در گسترش اطلاعات در سراسر جهان دارند. توییتر یکی از محبوب‌ترین شبکه‌های اجتماعی است که در هر روز 500 میلیون توییت در این شبکه ارسال می‌شود. محبوبیت این شبکه در میان کاربران منجر شده تا اسپمرها از این شبکه برای انتشار پست‌های هرزنامه است أکثر

امروزه شبکه‌های اجتماعی، نقش مهمی در گسترش اطلاعات در سراسر جهان دارند. توییتر یکی از محبوب‌ترین شبکه‌های اجتماعی است که در هر روز 500 میلیون توییت در این شبکه ارسال می‌شود. محبوبیت این شبکه در میان کاربران منجر شده تا اسپمرها از این شبکه برای انتشار پست‌های هرزنامه استفاده کنند. در این مقاله برای شناسایی اسپم در سطح توییت از ترکیبی از روش‌های یادگیری ماشین استفاده شده است. روش پیشنهادی، چارچوبی مبتنی بر استخراج ویژگی است که در دو مرحله انجام می‌شود. در مرحله اول از Stacked Autoencoder برای استخراج ویژگی‌ها استفاده شده و در مرحله دوم، ویژگی‌های مستخرج از آخرین لایه Stacked Autoencoder به‌‌عنوان ورودی به لایه softmax داده می‌شوند تا این لایه پیش‌بینی را انجام دهد. روش پیشنهادی با برخی روش‌های مشهور روی پیکره متنی Twitter Spam Detection با معیارهای Accuracy، -Score1F، Precision و Recall مورد مقایسه و ارزیابی قرار گرفته است. نتایج تحقیق نشان می‌دهند که دقت کشف روش پیشنهادی به 1/78% می‌رسد. در مجموع، این روش با استفاده از رویکرد اکثریت آرا با انتخاب سخت در یادگیری ترکیبی، توییت‌های اسپم را با دقت بالاتری نسبت به روش‌های CNN، LSTM و SCCL تشخیص می‌دهد. تفاصيل المقالة

حرية الوصول المقاله

3 - استفاده از تحلیل احساسات و ترکیب روش¬های یادگیری ماشین برای تشخیص هرزنامه در توییتر
مهدی سالخورده حقیقی امین الله کرمانی

محبوبیت شبکه های اجتماعی بخصوص توییتر چالش جدیدی را روبروی محققان قرار داده است و آن چیزی نیست جز هرزنامه . روش های گوناگون زیادی برای مقابله با آنها ارائه شده است. بعضی از این روش ها اگرچه در ابتدا کارآمد بودند اما به مرور توسط تولید کنندگان هرزنامه دور زده شدند. در ای أکثر

محبوبیت شبکه های اجتماعی بخصوص توییتر چالش جدیدی را روبروی محققان قرار داده است و آن چیزی نیست جز هرزنامه . روش های گوناگون زیادی برای مقابله با آنها ارائه شده است. بعضی از این روش ها اگرچه در ابتدا کارآمد بودند اما به مرور توسط تولید کنندگان هرزنامه دور زده شدند. در این تحقیق تلاش داریم با استفاده از یکی از جدیدترین روش های تشخیص هرزنامه و ترکیب آن با تحلیل احساسات دقت تشخیص هرزنامه را افزایش دهیم. ما با استفاده از روش تعبیه سازی، کلمات متن توییت را به عنوان ورودی به یک معماری شبکه عصبی پیچشی داده و خروجی تشخیص دهنده متن هرزنامه یا متن عادی خواهد بود. هم زمان با استخراج ویژگی های مناسب در شبکه توییتر و اعمال روش های یادگیری ماشین بر روی آنها تشخیص هرزنامه بودن توییت را بصورت مجزا محاسبه می کنیم. در نهایت خروجی هر دو روش را به یک شبکه پیچشی تلفیقی وارد می کنیم تا خروجی آن تشخیص نهایی هرزنامه یا نرمال بودن متن توییت را تعیین کند. ما در این تحقیق از دو مجموعه داده متعادل و نامتعادل استفاده می کنیم تا تاثیر مدل پیشنهادی را بر روی دو نوع داده بررسی کنیم. نتایج پژوهش نشان دهنده بهبود کارایی روش پیشنهادی در هر دو مجموعه داده می باشد. تفاصيل المقالة

حرية الوصول المقاله

4 - روش ترکیبی جدیدی مبتنی بر الگوریتم¬های هوشمند جهت تشخیص نفوذ در SDN-IoT
ذکریا رئیسی فضل‌الله ادیب‌نیا مهدی یزدیان دهکردی

در سال‌های اخیر، کاربرد اینترنت اشیا در جوامع به‌طور گسترده‌ای رشد یافته و از طرفی، فناوري جدیدي به نام شبکه‌هاي نرم‌افزارمحور جهت حل چالش‌هاي اینترنت اشیا پیشنهاد شده است. چالش‌های موجود در این شبکه‌های نرم‌افزارمحور و اینترنت اشیا موجب گردیده که امنیت SDN-IoT به یکی ا أکثر

در سال‌های اخیر، کاربرد اینترنت اشیا در جوامع به‌طور گسترده‌ای رشد یافته و از طرفی، فناوري جدیدي به نام شبکه‌هاي نرم‌افزارمحور جهت حل چالش‌هاي اینترنت اشیا پیشنهاد شده است. چالش‌های موجود در این شبکه‌های نرم‌افزارمحور و اینترنت اشیا موجب گردیده که امنیت SDN-IoT به یکی از نگرانی‌های مهم این شبکه‌ها تبدیل شود. از طرف دیگر، الگوریتم‌هاي هوشمند فرصتی بوده که به‌کارگیری آنها در موارد متعددی از جمله امنیت و تشخیص نفوذ، موجب پیشرفت چشم‌گیري شده است. البته سیستم‌های تشخیص نفوذ جهت محیط SDN-IoT، همچنان با چالش نرخ هشدار غلط بالا مواجه هستند. در این مقاله یک روش ترکیبی جدید مبتنی بر الگوریتم‌های هوشمند پیشنهاد ‌شده که جهت دسترسی به نتایج خوبی در زمینه تشخیص نفوذ، الگوریتم‌های نظارتی دروازه بازگشتی مکرر و طبقه‌بند غیرنظارتی -k میانگین را ادغام می‌کند. نتایج شبیه‌سازی نشان می‌دهند که روش پیشنهادی با بهره‌گیری مزایای هر کدام از الگوریتم‌های ادغام‌شده و پوشش معایب یکدیگر، نسبت به روش‌هاي دیگر مانند روش Hamza داراي دقت بیشتری و بالاخص نرخ هشدار غلط کمتري است. همچنین روش پیشنهادی توانسته نرخ هشدار غلط را به 1/1% کاهش داده و دقت را در حدود 99% حفظ کند. تفاصيل المقالة

حرية الوصول المقاله

5 - بهبود شناسایی قطبش در تحلیل احساسات به کمک طعنه کاوی و الگوریتمهای یادگیری ماشین در توییت های فارسی
شقايق حاجی عبدالله ميترا ميرزارضايي Mir Mohsen Pedram

تحلیل احساسات یا نظرکاوی شاخه ای از علوم کامپیوتر و پردازش زبان طبیعی است که سعی دارد ماشین و هوش مصنوعی را با احساس و عواطف انسانی آشنا سازد.طعنه کاوی نیز از زیرشاخه های تحلیل احساسات است و هر دو بدنبال تشخیص صحیح احساسات مثبت و منفی نهفته در متن هستند. استفاده از طعنه أکثر

تحلیل احساسات یا نظرکاوی شاخه ای از علوم کامپیوتر و پردازش زبان طبیعی است که سعی دارد ماشین و هوش مصنوعی را با احساس و عواطف انسانی آشنا سازد.طعنه کاوی نیز از زیرشاخه های تحلیل احساسات است و هر دو بدنبال تشخیص صحیح احساسات مثبت و منفی نهفته در متن هستند. استفاده از طعنه در شبکه های اجتماعی بسیار مرسوم است، زیرا به این طریق می-توان انتقاد را با زبان طنز انجام داد. آشکارسازی طعنه در تشخیص درستی قطبش یک نظر، تاثیر به خصوصی دارد و می تواند به فهم متن توسط ماشین کمک کند و منظور نویسنده متن، شفاف تر فهمیده شود. به اين هدف، 8000 توییت فارسی که بر چسب احساس دارند و از لحاظ وجود يا عدم وجود طعنه بررسی شده‌اند، مورد استفاده قرار گرفته است. نوآوری اين پژوهش در استخراج کلمات کلیدی از جملات طعنه دار است که باعث ایجاد طعنه و کنایه شده اند. در اين پژوهش دسته‌بند مجزايي برای شناسايي طعنه در متن‌ طراحی و اموزش داده شده است و سپس خروجی های اين رده‌بند به عنوان ويژگی افزوده در اختيار دسته‌بند شناسايي احساس متن قرار می گيرد. همچنین علاوه بر بقيه کلمات کليدی استخراج شده از متن از شکلک ها و هشتگ های موجود در متن نیز به عنوان ویژگی استفاده شده است. دسته‌بندهای بیز، ماشین بردار پشتیبان و شبکه عصبی به عنوان دسته‌بندهای پايه استفاده شده‌اند و در نهايت از ترکيب دسته‌بندها در شناسايي احساس متن استفاده شد. نتايج اين پژوهش نشان می‌دهد که شناسايي طعنه موجود در متن و استفاده از آن در شناسايي احساس دقت نتايج را افزايش می‌دهد. تفاصيل المقالة

حرية الوصول المقاله

6 - بررسی کارزارهای توییتری خشونت علیه زنان
شیما ناصرترک علی دلاور افسانه مظفری طهمورث شیری

از مهم¬ترین مطالبی که شبکه‌های اجتماعی -توئیتر- به آن توجه داشته‌اند، خشونت علیه زنان در ایران بوده است. مهم¬ترین پشتوانه‌های نظری در پدید آمدن این کارزارها، انعکاس مطالب درباره خشونت علیه زنان است. از مهم¬ترین عامل‌ها در پدید آمدن این موج‌ها، فعالان مهم در عرصه این شب أکثر

از مهم¬ترین مطالبی که شبکه‌های اجتماعی -توئیتر- به آن توجه داشته‌اند، خشونت علیه زنان در ایران بوده است. مهم¬ترین پشتوانه‌های نظری در پدید آمدن این کارزارها، انعکاس مطالب درباره خشونت علیه زنان است. از مهم¬ترین عامل‌ها در پدید آمدن این موج‌ها، فعالان مهم در عرصه این شبکه‌های اجتماعی هستند که با استفاده از دنبال¬کنندگان خود این مطالب را انعکاس می‌دهند. مهم¬ترین آنها از نظر تعداد، توئیت و ریتوئیت، کمپین «دختران انقلاب» بوده است. هدف تحقیق، تحلیل چگونگی عملکرد توییتر در انعکاس مطالب خشونت علیه زنان در ایران بر اساس مهم¬ترین کارزارهای به وجود آمده طی دهه اخیر است. این موضوع بر اساس مبانی نظری درباره انواع خشونت و جنبش‌های شبکه‌ای¬شده تحلیل شد. روش تحقیق، تحلیل مضمون توئیت‌ها و هشتگ‌های مرتبط با کمپین‌ها از سال 1396 تا 1400 است. نتایج تحقیق نشان داد که مهم¬ترین مضامین درباره خشونت اجتماعی و سیاسی علیه زنان است. در این رابطه برخی از کمپین‌ها و هشتگ‌ها، سبب بروز ناامنی‌ها در اجتماع و تأثیر عینی در جامعه بوده‌اند که مهم¬ترین آنها از نظر تعداد توئیت و ریتوئیت کمپین دختران خیابان انقلاب بود. بنا به اهمیت امنیتی و تأثیر فضای مجازی نظیر توئیتر، تحلیل مضامین توئیت‌ها نشان از خلأ اخبار، پست¬ها و توئیت‌های افراد مرتبط با کمپین‌ها و هشتگ‌ها بود. تفاصيل المقالة

حرية الوصول المقاله

7 - تحلیل جامعه‌شناختی مؤلفه‌های فرهنگی ازدواج در توئیت‌های فارسی
زهرا شیخ باقر ساروخانی خدیجه ذوالقدر

<!-- [if gte mso 9]><xml> <w:WordDocument> <w:View>Normal</w:View> <w:Zoom>0</w:Zoom> <w:TrackMoves/> <w:TrackFormatting/> <w:PunctuationKerning/> <w:ValidateAgainstSchemas/> <w:SaveIfXMLInvalid>false</w:SaveIfXMLInvalid> <w:IgnoreMixedConte أکثر

در طول تاریخ با تغییر همراه بوده است. داشتن شناخت در این حوزه به سیاست&zwnj;گذاران کمک می&zwnj;کند تا ایده&zwnj;های اذهان جامعه را بشناسند، از نگرش&zwnj;ها آگاهی داشته باشند و متناسب با اوضاع جامعه، برنامه&zwnj;ریزی کنند. در این پژوهش، هدف، استخراج نگرش&zwnj;ها و مطالبات؛ و در نهایت تحلیل و بررسی مؤلفۀ &zwnj;فرهنگی «ازدواج» بوده است. مؤلفه&zwnj;های فرهنگی به نگرش&zwnj;ها و ارزش&zwnj;ها و اولویت&zwnj;های ذهنی افراد در موضوع ازدواج می&zwnj;پردازد. روش تحقیق، تحلیل محتوای کیفی از نوع استقرایی و جامعه آماری، کاربران فارسیزبان شبکه X، شیوه نمونه&zwnj;گیری تمام&zwnj;شماری توئيت&zwnj;های مرتبط با ازدواج در نیمه دوم سال ۱۴۰۰ بوده است. نتایج پژوهش نشان می&zwnj;دهد که نگرش افراد به موضوع ازدواج به نظریۀ&zwnj;&zwnj; روابط سیال باومن و نظریۀ شخصی&zwnj;سازیِ ساروخانی، نزدیک است. بررسی محتوای توئیت&zwnj;ها نشان می&zwnj;دهد که حفظ فردیت و قدرت انتخاب، اولویتی جدی برای کاربران داشته، آنها در ساحت&zwnj;های مختلف زندگی مطابق سلیقه و شرایط و خواست شخصی تصمیم می&zwnj;گیرند و دیگر کلانروایتی بر افکار و تصمیمهای افراد سایه&zwnj;گستر نیست. بدیهی است که این روابط سیال، ناامنی روانی برای افراد در پی دارد و فردگرایی تشدیدشده می&zwnj;تواند خانواده را از نهادی اجتماعی با کارکردهای عاطفی و تولید نسل و جامعه&zwnj;پذیری خارج کرده، سلامت جامعه را به خطر بیندازد.   تفاصيل المقالة

فهرس المقالات Twitter

رایمگ

الروابط

المراكز ذات الصلة

دعامة

الصفحات الرسمية