Behavior analysis in social media stackoverflow dataset analysis

Abstract

Dans ce mémoire nous nous somme examine systématiquement l'analyse du comportement des utilisateurs existants et résume les derniers progrès de l'analyse du comportement des utilisateurs. Il introduit l'analyse du comportement de l'utilisateur à partir de plusieurs perspectives telles que le concept, l'algorithme d'exploration de données, l'application de différents domaines. Il analyse en profondeur les méthodes de data mining utilise pour l’analyse. De plus, ce document introduit en particulier l’utilisation généralisée de l’analyse du comportement des utilisateurs dans stackoverflow et prédire la meilleure réponse. Notre étude est focalisée sur cette base de données de stackoverflow survey résulte 2019 En application du data mining est précisément l’algorithme de Random forest. Dans la partie de réalisation et de résulta d’algorithme Le modèle est évalués par la précision de choisir la meilleure réponse, c'est-à-dire le pourcentage de questions pour lesquelles nos modèles prédisaient correctement la meilleure réponse. Parce que notre ensemble de données ne pas avoir d'informations sur la réponse choisis sur le site Web de Stack Overflow, nous supposent que la réponse avec le plus le score est la meilleure réponse et l'utiliser lors du calcul précision. Cette précision basée sur des questions est différent des travaux antérieurs (comme indiqué dans le chapitre 4), mais nous pensons que cette métrique est plus pratique pour analyser le comportement de l'utilisateur dans stackoverflow. Enfin dans ce mémoire nous avons proposé un ensemble de fonctionnalités et de machine Learning modèle apprentissage pour l’analyse de comportement de l’utilisateur de stackoervflow. Et analyse concerne la meilleure repense pour des questions de stackoverflow en a obtenu le résultat pour la perfection. Dans ce mémoire, nous avons discuté de quelques observations concernant le SO, une discussion de questions-réponses en ligne forum. Nous avons analysé les détails de cette plate-forme avec un accent particulier sur l'humain facteur. Nous avons exploité des référentiels SO pour rechercher les modèles et présenté les résultats. De plus, nous avons mené une enquête auprès des utilisateurs de SO pour signaler quelques raisons de réduire leur activité. Nous avons également mis en évidence quelques pratiques contraires à l'éthique sur cette plateforme. Les résultats présentés dans ce mémoire, bien que ciblés sur le SO, peuvent être généralisés pour tout une autre plate-forme également. Contribution de mémoire : Pour présenter la contribution de mémoire, les points suivants résumer les c