Khóa luận tốt nghiệp: Phát hiện bất thường trên phương tiện xã hội dựa trên kỹ thuật khai phá dữ liệu

Sự phát triển nhanh chóng của các nền tảng phương tiện xã hội như Facebook đã tạo ra một lượng dữ liệu khổng lồ (Big Data), chứa đựng những thông tin giá trị cho các tổ chức và doanh nghiệp. Tuy nhiên, trong khối lượng dữ liệu này, việc nhận diện và phân tích các hành vi hoặc dữ liệu bất thường là vô cùng cần thiết để chuyển đổi dữ liệu thô thành thông tin hữu ích và chiến lược hiệu quả. Phát hiện các sự bất thường này không chỉ giúp các doanh nghiệp hiểu rõ hơn về tâm lý người dùng và xu hướng thị trường mà còn tối ưu hóa các chiến dịch quảng bá trên các trang mạng xã hội. Khóa luận này tập trung vào việc xây dựng một mô hình sử dụng kỹ thuật khai phá dữ liệu để phát hiện hiệu quả các bất thường trên các Fanpage Facebook, từ đó cung cấp kiến thức nền tảng và dữ liệu học có giá trị cho việc ra quyết định.

Các nhà nghiên cứu trong lĩnh vực khai phá dữ liệu, trí tuệ nhân tạo, phân tích mạng xã hội; các chuyên gia marketing và quản lý truyền thông số; và các doanh nghiệp muốn tối ưu hóa sự hiện diện trên Facebook.

Khóa luận này giải quyết bài toán cấp thiết là phát hiện bất thường trên các nền tảng phương tiện xã hội như Facebook, nơi tạo ra lượng dữ liệu khổng lồ nhưng cũng chứa đựng nhiều điểm dị biệt có thể mang lại những hiểu biết sâu sắc. Mục tiêu chính là biến dữ liệu thô thành thông tin hữu ích bằng cách xác định các Fanpage có hành vi hoặc thuộc tính tương tác khác thường, từ đó hỗ trợ các tổ chức và doanh nghiệp tối ưu hóa chiến lược truyền thông và tương tác người dùng. Nghiên cứu tập trung vào việc phát hiện sự bất thường trên trang mạng xã hội Facebook, dựa trên các công trình trước đó về kỹ thuật khai phá dữ liệu và các loại bất thường khác nhau. Mô hình đề xuất trong khóa luận sử dụng thuật toán phân cụm K-means với độ đo tương đồng hệ số tương quan Pearson để nhóm các Fanpage tương tự và nhận diện những Fanpage lệch chuẩn. Đặc biệt, phương pháp này được phát triển để xử lý hiệu quả dòng dữ liệu từ Facebook, cho phép phát hiện bất thường theo thời gian và ngữ cảnh. Để đánh giá tính hiệu quả, mô hình được thử nghiệm trên một tập dữ liệu lớn với hơn 298.000 trang mạng. Với dữ liệu thực nghiệm gồm 1031 trang mạng trong chủ đề "Actor", mô hình đã thành công trong việc xác định 26 trang có giá trị thuộc tính tương tác dị thường rõ rệt. Kết quả này chứng minh khả năng ứng dụng của mô hình trong việc cung cấp thông tin chiến lược, giúp các Fanpage khác học hỏi và cải thiện hiệu suất, góp phần quan trọng vào việc quản lý và phát triển hiệu quả hoạt động trên Facebook.