این مقاله به بررسی کاربرد تکنیک‌های داده‌کاوی در شبکه‌های اجتماعی با تمرکز ویژه بر Goodreads به عنوان مطالعه موردی می‌پردازد. Goodreads یک شبکه اجتماعی محبوب برای دوستداران کتاب است که مجموعه وسیعی از بررسی‌ها و رتبه‌بندی‌های کتاب تولید شده توسط کاربران را ارائه می‌دهد. در این مطالعه، ما ادبیات مربوطه را در مورد داده‌کاوی در شبکه‌های اجتماعی مرور می‌کنیم و مزایا و چالش‌های بالقوه استخراج داده‌های Goodreads را مورد بحث قرار می‌دهیم. ما در این مقاله به بررسی تکنیک‌های مختلف داده‌کاوی، از جمله تحلیل احساسات و عقیده‌کاوی، تجزیه و تحلیل ساختار شبکه، تجزیه و تحلیل انتشار اطلاعات، تجزیه و تحلیل رفتار گره‌ها در شبکه،تشخیص جامعه، پیش‌بینی پیوند و سیستم‌های توصیه و پیشنهاد می‌پردازیم. تجزیه و تحلیل ما الگوهای جالبی را در رفتار کاربر، ترجیحات کتاب و تعاملات اجتماعی در Goodreads نشان می‌دهد. ما همچنین در مورد ملاحظات اخلاقی و محدودیت‌های داده‌کاوی در شبکه‌های اجتماعی بحث می‌کنیم و اهمیت حریم خصوصی و شفافیت را برجسته می‌کنیم. پس به طور کلی، هدف این مقاله انجام یک مطالعۀ مروری در مورد استفاده از تکنیک‌های داده‌کاوی با مجموعۀ داده گودریدز است و همچنین پتانسیل داده‌کاوی در شبکه‌های اجتماعی را نشان می‌دهد و بینش‌هایی را در مورد جامعه کتاب‌خوانی در Goodreads نیز ارائه می‌دهد.
شبکه‌های اجتماعی به منبع مهم داده برای کاربردهای مختلف از جمله بازاریابی، سیاست و تحقیقات اجتماعی تبدیل شده‌اند. با افزایش محبوبیت پلتفرم‌های شبکه‌های اجتماعی، مانند فیس بوک، توییتر، اینستاگرام و لینکدین، علاقه فزاینده‌ای به استفاده از تکنیک‌های داده‌کاوی برای استخراج بینش مفید از داده‌های اجتماعی وجود دارد. داده‌کاوی اجتماعی شامل استفاده از روش‌های آماری و یادگیری ماشینی برای تجزیه و تحلیل و استخراج الگوها از داده‌های اجتماعی، از جمله پروفایل‌های کاربر، تعاملات، نظرات، و محتوا است.
در این مقاله، ما بر روی کاربرد تکنیک‌های داده‌کاوی در شبکه‌های اجتماعی با تمرکز ویژه بر Goodreads به عنوان مطالعه موردی بسنده می‌کنیم. Goodreads یک شبکه اجتماعی محبوب برای دوستداران کتاب است که مجموعه وسیعی از بررسی‌ها و رتبه‌بندی‌های کتاب تولید شده توسط کاربران را ارائه می‌دهد. Goodreads بیش از 90 میلیون عضو دارد که بیش از 2.2 میلیارد کتاب را به قفسه‌های خود اضافه کرده‌اند و بیش از 110 میلیون نقد نوشته‌اند. داده‌های Goodreads منبعی غنی از اطلاعات در مورد ترجیحات کاربر، ژانرهای کتاب و تعاملات اجتماعی ارائه می‌دهد که آن را به مجموعه داده‌ای ایده آل برای تحقیقات داده‌کاوی تبدیل می‌کند.
هدف این مقاله بررسی ادبیات داده‌کاوی در شبکه‌های اجتماعی و بحث در مورد مزایا و چالش‌های بالقوه استخراج داده‌های گودریدز است. ما تکنیک‌های مختلف داده‌کاوی، از جمله تحلیل احساسات و عقیده‌کاوی، تجزیه و تحلیل ساختار شبکه، تجزیه و تحلیل انتشار اطلاعات، تجزیه و تحلیل رفتار گره‌ها در شبکه،تشخیص جامعه، پیش‌بینی پیوند و سیستم‌های توصیه و پیشنهاد را بررسی می‌کنیم. ما این تکنیک‌ها را برای استخراج اطلاعات از داده‌های Goodreads و بررسی الگوهای جالب در رفتار کاربر، انتخاب کتاب و جامعه در Goodreads به کار می‌بریم.
به طور کلی، این مقاله مروری کلی از استفاده از تکنیک‌های داده‌کاوی با مجموعه داده Goodreads ارائه می‌کند و پتانسیل استخراج داده‌های اجتماعی را برای کاربردهای مختلف نشان می‌دهد. بینش به‌دست‌آمده از این مطالعه می‌تواند برای ناشران کتاب، بازاریابان و محققانی که علاقه‌مند به درک رفتار و ترجیحات کاربران در جامعه کتاب‌خوان هستند مفید باشد.
داده‌کاوی و شبکه کاوی چیست؟
داده‌کاوی حوزۀ وسیع‌تری است که شامل استخراج دانش یا بینش از مجموعه داده‌های بزرگ است. درزمینۀ شبکه‌های اجتماعی، تکنیک‌های داده‌کاوی برای تجزیه و تحلیل انواع مختلف داده‌ها، از جمله ساختار شبکه، نمایه‌های کاربر، محتوای متنی و رفتارهای کاربر، با هدف کشف الگوها، روابط یا روندهای پنهان استفاده می‌شوند.
همچنین داده‌کاوی شبکه‌های اجتماعی از طیف وسیعی از مفاهیم اساسی از جمله علوم رایانه، یادگیری ماشین و همچنین آمار بهره می‌برد و مبتنی بر تئوری‌ها و روش‌های حاصل از تحلیل شبکه‌های اجتماعی، علوم شبکه، جامعه‌شناسی، بهینه‌سازی و ریاضیات است. اما شبکه کاوی زیرشاخه‌ای از داده‌کاوی است که بر تحلیل ساختار و پویایی شبکه‌های اجتماعی تمرکز دارد.
تشخیص جامعه یا انجمن چیست و به چه دردی می‌خورد؟
تشخیص جامعه یک موضوع محبوب در شبکه کاوی است و شامل شناسایی گروه‌هایی از گره‌ها در یک شبکه است که به طور متراکم به هم متصل هستند و ویژگی‌های مشابهی دارند. چندین الگوریتم تشخیص جامعه را در ادامه معرفی می‌کنیم که شامل روش‌های مبتنی بر ماژولاریتی، خوشه‌بندی سلسله مراتبی و الگوریتم‌های طیفی هستند. در زمینه Goodreads، تشخیص جامعه می‌تواند برای شناسایی گروه‌هایی از کاربرانی که ترجیحات خواندن مشابه دارند یا متعلق به یک باشگاه کتاب هستند، استفاده شود تا از آن برای مثال برای پیشنهاد کتاب به دیگر اعضای همان کامیونیتی یا انجمن استفاده شود.
توزیع اطلاعات در شبکه‌های پیچیده:
توزیع اطلاعات در شبکه‌ها یکی دیگر از موضوعات مهم در شبکه کاوی است و شامل تجزیه و تحلیل نحوه انتشار اطلاعات از طریق شبکه‌های اجتماعی است. چندین مدل برای مطالعه انتشار اطلاعات داریم، مانند مدل آبشاری ، مدل خطی و مدل پیوسته. درزمینۀ Goodreads، تجزیه و تحلیل توزیع نقدها و رتبه‌بندی‌های کتاب می‌تواند بینش‌هایی درباره نحوه شکل‌گیری نظرات و ترجیحات و اشتراک‌گذاری بین کاربران ارائه دهد.
پیش‌بینی یال در شبکه‌های پیچیده:
پیش‌بینی لینک یا یال یکی دیگر از بررسی‌های مهم در شبکه‌ها است و شامل پیش‌بینی احتمال پیوند بین گره‌ها در یک شبکه است. چندین الگوریتم پیش‌بینی پیوند مانند همسایه‌های مشترک، ضریب جاکارد و پیوست ترجیحی پیشنهاد شده‌اند. در زمینه Goodreads، از پیش‌بینی لینک می‌توان برای توصیه کتاب‌ها به کاربران بر اساس سابقه خواندن و ارتباطات شبکه‌های اجتماعی استفاده کرد.
تجزیه و تحلیل احساسات و عقیده‌کاوی در شبکه‌های پیچیده:
تجزیه و تحلیل احساسات و تجزیه و تحلیل نظرات یا عقیده‌ها، دو موضوع مرتبط در داده‌کاوی هستند که شامل تجزیه و تحلیل احساسات و نظرات بیان شده در محتوای تولید شده توسط کاربر، مانند بررسی‌ها و رتبه‌بندی‌ها می‌شوند. چندین تکنیک برای انجام تجزیه و تحلیل احساسات و تحلیل نظرات پیشنهاد شده است، مانند رویکردهای مبتنی بر واژگان، رویکردهای مبتنی بر یادگیری ماشین و رویکردهای مبتنی بر یادگیری عمیق. در زمینه Goodreads، تجزیه و تحلیل احساسات و تجزیه و تحلیل نظرات می‌تواند برای شناسایی نظرات مثبت و منفی، و تجزیه و تحلیل عواملی که بر نظرات و ترجیحات کاربران تأثیر می‌گذارد، استفاده شود.
سیستم‌های توصیه و پیشنهاد در شبکه‌های پیچیده:
سیستم‌های توصیه یکی دیگر از کاربردهای مهم داده‌کاوی در شبکه‌های اجتماعی است و شامل توصیه موارد به کاربران بر اساس ترجیحات و رفتار آن‌ها است. چندین الگوریتم پیشنهادی مانند فیلتر مشارکتی، فیلتر مبتنی بر محتوا و رویکردهای ترکیبی پیشنهاد شده‌اند. در زمینه Goodreads، می‌توان از سیستم‌های توصیه برای پیشنهاد کتاب به کاربران بر اساس سابقه مطالعه، اتصالات شبکه‌های اجتماعی، و بررسی‌ها و رتبه‌بندی‌ها استفاده کرد.
تجزیه و تحلیل ساختار شبکه‌های پیچیده:
تجزیه و تحلیل ساختار شبکه یک موضوع گسترده در شبکه کاوی است و شامل تجزیه و تحلیل ویژگی‌های شبکه‌های اجتماعی مانند توزیع درجه، ضریب خوشه‌بندی و معیارهای مرکزیت است. چندین ابزار تحلیل شبکه برای مطالعه ساختار شبکه مانند Gephi، NetworkX و ... توسعه یافته‌اند. در زمینه Goodreads، تجزیه و تحلیل ساختار شبکه می‌تواند بینش‌هایی را در مورد الگوهای تعاملات اجتماعی بین کاربران و عواملی که بر رفتار و ترجیحات کاربر تأثیر می‌گذارند، ارائه دهد.
معرفی مجموعه دادۀ Goodreads:
مجموعه داده Goodreadsبه مجموعه‌ای از داده‌های مربوط به پلتفرم Goodreadsاشاره دارد که یک وب‌سایت فهرست‌نویسی اجتماعی است که به افراد امکان می‌دهد کتاب‌ها را جستجو، رتبه‌بندی، بررسی و بحث کنند. مجموعه داده معمولاً شامل اطلاعاتی درباره کتاب‌ها، نویسندگان، رتبه‌بندی کاربران، نظرات و تعاملات کاربر در پلتفرم Goodreadsاست.
این مجموعه داده اطلاعات زیادی را ارائه می‌دهد که می‌تواند برای اهداف مختلف تحقیق و تحلیل در حوزه توصیه‌های کتاب، تجزیه و تحلیل رفتار کاربر، تجزیه و تحلیل احساسات و موارد دیگر مورداستفاده قرار گیرد.
عناصر داده رایج موجود در مجموعه داده Goodreadsعبارت‌اند از:
1. اطلاعات کتاب: این اطلاعات شامل جزئیات مربوط به کتاب‌ها، مانند عنوان، نویسنده، سال انتشار، ژانر، ISBNو ناشر است. همچنین ممکن است شامل ابر داده‌های اضافی مانند خلاصه کتاب، تصاویر جلد و میانگین رتبه‌بندی باشد.
2. رتبه‌بندی‌ها و نظرات کاربران: مجموعه داده اغلب شامل رتبه‌بندی‌ها و بررسی‌های کاربران برای کتاب‌های مختلف است. این اطلاعات را می‌توان برای تجزیه و تحلیل ترجیحات کاربر، تجزیه و تحلیل احساسات، و به دست آوردن بینش در مورد محبوبیت کتاب استفاده کرد.
3. تعاملات کاربر: داده‌های مربوط به تعاملات کاربردر پلتفرم Goodreads نیز در این مجموعه داده وجود دارد، مانند دوستی‌های کاربر، فالوورها، قفسه‌های کتاب (مجموعه‌های دسته‌بندی شده کتاب‌ها)، نظرات دربارۀ نظرات، و مُهرهای زمانی فعالیت کاربر.
4. اطلاعات نویسنده: این مجموعه داده همچنین حاوی اطلاعاتی در مورد نویسندگان، مانند نام، بیوگرافی، و سایر جزئیات مرتبط می‌باشد که می‌تواند برای کشف الگوهای مرتبط با نویسنده و روابط با رتبه‌بندی یا محبوبیت کتاب استفاده شود.
بنابراین مجموعه دادۀ Goodreads برای محققان و تحلیلگران داده منبع ارزشمندی برای کشف جنبه‌های مختلف داده‌های مرتبط با کتاب، رفتارهای کاربر و تعاملات اجتماعی در پلتفرم Goodreadsارائه می‌دهد.
[1] این مقاله ترجیحات خوانندگان برزیلی را از نظر ژانرهای کتاب و نویسندگان در پلتفرم گودریدز بررسی می‌کند.
تحلیل ساختار شبکه:
این مطالعه داده‌ها را از API Goodreads جمع‌آوری کرده و ترجیحات خواندن کاربران برزیلی Goodreads را در ایالت‌ها و مناطق مختلف مورد تجزیه و تحلیل قرار داد. یافته‌ها نشان داد که خوانندگان برزیلی طیف متنوعی ترجیحات خواندن دارند که محبوب‌ترین ژانرها عبارت‌اند از عاشقانه، فانتزی و داستان‌های بزرگسالان جوان. این مطالعه همچنین نشان داد که تفاوت‌های قابل توجهی در ترجیحات خواندن در ایالت‌ها و مناطق مختلف وجود دارد، به طوری که برخی از ژانرها و نویسندگان در مناطق خاص محبوب‌تر از سایرین هستند.
در این مقاله، از تحلیل شبکه برای شناسایی تأثیرگذارترین نویسندگان و کتاب‌ها در جامعه Goodreadsبرزیل نیز استفاده شد. نتایج نشان داد که نویسندگان برزیلی، مانند پائولو کوئیلو و خورخه آمادو، در کنار نویسندگان بین‌المللی مانند جی کی رولینگ و جورج آر آر مارتین از تاثیرگذارترین نویسندگان برای برزیلی‌ها هستند و کتاب‌هایی با رتبه‌بندی بالا در Goodreads تأثیرگذاری بیشتری در جامعه دارند، که نشان می‌دهد رتبه‌بندی خوانندگان نقش مهمی در شکل‌دهی ترجیحات خواندن دارد.
تجزیه و تحلیل رفتار گره‌ها در شبکه:
این مقاله همچنین رابطه بین ترجیحات خواندن و عوامل جمعیت شناختی مانند سن و جنسیت را بررسی کرد. یافته‌ها نشان داد که خوانندگان جوان‌تر تمایل بیشتری به خواندن داستان‌های بزرگسالان جوان دارند، در حالی که خوانندگان مسن‌تر داستان‌های غیرداستانی و تاریخی را ترجیح می‌دهند و خوانندگان مرد تمایل بیشتری به خواندن داستان‌های علمی تخیلی و فانتزی دارند، در حالی که خوانندگان زن داستان‌های عاشقانه و تخیلی جوانان را ترجیح می‌دهند.
بنابراین این یافته‌ها بینش‌های مفیدی را در مورد ترجیحات خوانندگان برزیلی ارائه می‌دهد و می‌تواند برای ناشران و نویسندگانی که به دنبال هدف قرار دادن مخاطبان خاص در برزیل هستند مفید باشد.
[2] این مقاله یک مطالعه بین کشوری در مورد شباهت‌های فرهنگی بر اساس ترجیحات کتاب ارائه می‌کند و داده‌های پلتفرم گودریدز را تجزیه و تحلیل می‌کند تا میزانی را که ترجیحات کتاب منعکس‌کننده شباهت‌ها و تفاوت‌های فرهنگی بین کشورها است، بررسی کند. این مطالعه داده‌های 10 کشور را جمع‌آوری کرد و بیش از 2 میلیون رتبه‌بندی کتاب را از کاربران Goodreadsدر این کشورها تجزیه و تحلیل کرد.
تجزیه و تحلیل رفتار گره‌ها در شبکه:
یافته‌ها نشان داد که شباهت‌ها و تفاوت‌های فرهنگی قابل توجهی در ترجیحات کتاب در بین کشورهای موردمطالعه وجود دارد. این مطالعه نشان داد که خوانندگان در کشورهای مختلف ترجیحات متفاوتی برای ژانرها و نویسندگان خاص دارند که نشان‌دهنده تفاوت در ارزش‌های فرهنگی، سنت‌ها و تاریخ است. به عنوان مثال، خوانندگان در ژاپن و کره جنوبی به انیمه و مانگا ترجیح می‌دهند، در حالی که خوانندگان در ایالات متحده و بریتانیا به داستان‌های علمی تخیلی و فانتزی ترجیح می‌دهند. این مقاله همچنین رابطه بین ترجیحات کتاب و عوامل جمعیت شناختی مانند سن و جنسیت را بررسی کرد. یافته‌ها نشان داد که خوانندگان جوان‌تر تمایل بیشتری به خواندن داستان‌های تخیلی و فانتزی بزرگسالان دارند، در حالی که خوانندگان مسن‌تر داستان‌های غیرداستانی و تاریخی را ترجیح می‌دهند.
تجزیه و تحلیل ساختار شبکه:
این مقاله از تحلیل شبکه برای شناسایی تأثیرگذارترین کتاب‌ها و نویسندگان در هر کشور و همچنین محبوب‌ترین ژانرها استفاده کرد. نتایج نشان داد که کتاب‌ها و نویسندگان خاصی در چندین کشور بسیار تأثیرگذار بوده‌اند، و نشان می‌دهد که "سنگ محک فرهنگی مشترکی" وجود دارد که از مرزهای ملی فراتر می‌رود. این مطالعه همچنین نشان داد که ژانرهای خاصی مانند عاشقانه و رازآلود در چندین کشور محبوب هستند و نشان می‌دهد که این ژانرها "جذابیت جهانی" دارند.
این مقاله نتیجه می‌گیرد که ترجیحات کتاب می‌تواند بینش‌های مفیدی در مورد شباهت‌ها و تفاوت‌های فرهنگی بین کشورها ارائه دهد و "اهمیت درک تفاوت‌های فرهنگی را هنگام بازاریابی و تبلیغ کتاب" در کشورهای مختلف نشان می‌دهد و پیشنهاد می‌کند که ترجیحات کتاب می‌تواند ابزار مفیدی برای ناشران و نویسندگانی باشد که به دنبال هدف قرار دادن مخاطبان خاص هستند.
[3] این مقاله به بررسی رابطه بین استناد به کتاب دانشگاهی و نظر و رتبه‌بندی خوانندگان Goodreads می‌پردازد و داده‌های جمع‌آوری‌شده از Goodreadsو Google Scholar را برای بررسی رابطه بین تأثیر علمی و جذابیت عمومی در صنعت کتاب تجزیه و تحلیل می‌کند. این مطالعه بر روی نمونه‌ای متشکل از 50 کتاب دانشگاهی از رشته‌های مختلف تمرکز دارد و همبستگی بین تعداد استنادها و رتبه‌بندی‌ها و بررسی‌های Goodreadsرا تحلیل می‌کند.
تجزیه و تحلیل ساختار شبکه:
یافته‌ها نشان داد که همبستگی ضعیفی بین استناد به کتاب‌های دانشگاهی و رتبه‌بندی‌ها و بررسی‌های گودریدز وجود دارد که نشان‌دهنده گسست بین تأثیر علمی و جذابیت عمومی در صنعت کتاب است. این مطالعه نشان داد که برخی از کتاب‌های دانشگاهی با استناد بالا رتبه‌بندی و بررسی‌های پایینی در Goodreadsداشتند، در حالی که برخی از کتاب‌های با رتبه‌بندی و نقد بالا تعداد استناد پایینی داشتند.
این مطالعه همچنین رابطه بین ویژگی‌های کتاب و رتبه‌بندی‌ها و بررسی‌های Goodreads را مورد بررسی قرار داد و دریافت که برخی از ویژگی‌های کتاب، مانند خوانایی و در دسترس بودن، در تعیین جذابیت عمومی مهم‌تر از تأثیر تحصیلی هستند. این مطالعه نشان می‌دهد که کتاب‌هایی که برای مخاطب عام در دسترس‌تر و جذاب‌تر هستند، بدون در نظر گرفتن تعداد استنادشان، احتمال بیشتری برای دریافت رتبه‌بندی و نقدهای مثبت در Goodreadsدارند.
این مطالعه از تکنیک‌های متن‌کاوی برای شناسایی رایج‌ترین مضامین و موضوعات در بررسی‌های Goodreadsدرباره کتاب‌های دانشگاهی استفاده کرد و بینش‌هایی را درباره برداشت‌ها و نگرش‌های خوانندگان نسبت به این کتاب‌ها ارائه کرد. نتایج نشان داد که خوانندگان برای کتاب‌هایی که آموزنده، جذاب و مرتبط با علایقشان هستند، ارزش قائل هستند و اهمیت سبک و محتوا را در تعیین جذابیت عمومی برجسته می‌کنند.
این مطالعه نتیجه می‌گیرد که تأثیر تحصیلی و جذابیت عمومی اغلب در صنعت کتاب قطع می‌شود و اهمیت درک برداشت‌ها و نگرش‌های خوانندگان نسبت به کتاب در استراتژی‌های بازاریابی و تبلیغاتی را برجسته می‌کند. این مطالعه نشان می‌دهد که دسترسی و مشارکت در تعیین جذابیت عمومی مهم‌تر از تأثیر تحصیلی است و نیاز نویسندگان دانشگاهی را برای انتقال تحقیقات خود به روشی در دسترس و جذاب برای مخاطبان عمومی برجسته می‌کند. این یافته‌ها بینش‌های مفیدی را در مورد ارزش درک ادراکات و نگرش خوانندگان نسبت به کتاب و اهمیت ویژگی‌های کتاب در شکل دادن به ادراکات خوانندگان و تصمیمات خرید ارائه می‌دهد.
[4] این مقاله به بررسی رابطه بین جنسیت و ژانر خواننده و نویسنده در Goodreadsمی‌پردازد، داده‌های Goodreadsرا تجزیه و تحلیل می‌کند تا تأثیر جنسیت بر ترجیحات و رفتار خوانندگان و بازنمایی جنسیت در ژانرهای مختلف را بررسی کند. این مطالعه بر روی نمونه‌ای از کتاب‌ها و خوانندگان درباره Goodreadsتمرکز می‌کند و زبان مورد استفاده در بررسی کتاب‌ها و بیوگرافی نویسنده را تجزیه و تحلیل می‌کند تا درک و نگرش خوانندگان نسبت به جنسیت و ژانر را بررسی کند.
تجزیه و تحلیل رفتار گره‌ها در شبکه:
یافته‌ها نشان داد که جنسیت خواننده و نویسنده عوامل مهمی در شکل‌دهی به ترجیحات و رفتار خوانندگان در Goodreadsهستند و اهمیت تنوع جنسیتی را در ترویج فراگیری و بازنمایی برجسته می‌کنند. این مطالعه نشان داد که رتبه‌بندی‌ها و نقدهای خوانندگان تحت تأثیر جنسیت نویسنده و قهرمان داستان قرار دارد و خوانندگان زن ترجیح می‌دهند کتاب‌هایی با قهرمان‌های زن و نویسنده‌های زن ترجیح دهند. Goodreadsبا ارائه مجموعه‌ای وسیع از بررسی‌های کتاب و بیوگرافی نویسنده، نقش مهمی در این مطالعه ایفا کرد و به مطالعه اجازه داد تا زبان مورد استفاده در این متون را تجزیه و تحلیل کند و رایج‌ترین موضوعات مرتبط با جنسیت و ژانر را شناسایی کند.
تحلیل احساسات و عقیده‌کاوی:
این مطالعه از تکنیک‌های متن‌کاوی برای شناسایی رایج‌ترین مضامین و موضوعات در بررسی‌های کتاب و زندگینامه نویسنده، مرتبط با جنسیت و ژانر استفاده کرد، نتایج نشان داد که ژانرهای خاص، مانند داستان‌های عاشقانه و نوجوانان، به شدت با خوانندگان و نویسندگان زن مرتبط هستند، در حالی که ژانرهای دیگر، مانند علمی تخیلی و فانتزی، به شدت با خوانندگان و نویسندگان مرد مرتبط هستند.
این مطالعه همچنین رابطه بین جنسیت خوانندگان و ترجیحات و رفتار آن‌ها را در Goodreads مورد بررسی قرار داد و دریافت که خوانندگان زن بیشتر احتمال دارد کتاب‌هایی را با قهرمانان زن و نویسندگان زن "رتبه‌بندی" کنند و یا نظر ثبت کنند. این مطالعه نشان می‌دهد که سازمان‌ها و افراد باید این عوامل را هنگام توسعه استراتژی‌های بازاریابی و سیستم‌های توصیه‌ای در نظر بگیرند و اهمیت تنوع جنسیتی را در ترویج فراگیری برجسته کنند.
[5] این مقاله تأثیرات شرکت در چالش‌های خواندن را بر عادات خواندن افراد با استفاده از پلتفرم Goodreads بررسی می‌کند.
تجزیه و تحلیل رفتار گره‌ها در شبکه و تحلیل ساختار شبکه:
در این مقاله، یافته‌ها نشان داد که اکثر شرکت‌کنندگان در چالش‌های خواندن در گودریدز شرکت کرده‌اند که محبوب‌ترین چالش آن چالش سالانه خواندن است. این مطالعه نشان داد که شرکت در چالش‌های خواندن درGoodreads تأثیر مثبتی بر عادت‌های خواندن افراد دارد، به طوری که شرکت‌کنندگان گزارش داده‌اند که انگیزه خواندن بیشتر در آن‌ها ایجاد می‌کند و به آن‌ها کمک می‌کند تا ژانرهای خواندن خود را متنوع کنند. علاوه بر این، این مطالعه نشان داد که جنبه اجتماعی چالش‌های گودریدز، مانند توانایی دیدن آنچه دیگران می‌خوانند و دریافت توصیه‌های کتاب از دیگران، نیز تأثیر مثبتی بر عادت‌های مطالعه افراد دارد.
این مطالعه همچنین رابطه بین تعداد کتاب‌های خوانده شده و تعداد چالش‌های تکمیل شده را مورد بررسی قرار داد و دریافت که بین این دو متغیر همبستگی مثبت وجود دارد. با این حال، این مطالعه رابطه معنی‌داری بین تعداد چالش‌های تکمیل‌شده و مقدار زمان صرف شده برای خواندن پیدا نکرد، که نشان می‌دهد افرادی که چالش‌های بیشتری را تکمیل می‌کنند، لزوماً زمان بیشتری را برای خواندن صرف نمی‌کنند.
این مطالعه نتیجه‌گیری می‌کند که شرکت در چالش‌های خواندن در Goodreads می‌تواند تأثیر مثبتی بر عادت‌های خواندن افراد داشته باشد و انگیزه‌ای برای خواندن بیشتر و کشف ژانرهای جدید ایجاد کند. جنبه اجتماعی چالش‌های گودریدز نیز نقش مهمی در انگیزه افراد برای مطالعه بیشتر و تعامل با دیگران در جامعه کتاب‌خوان دارد. این مطالعه نشان می‌دهد که چالش‌های خواندن می‌تواند ابزار مفیدی برای ترویج خواندن و تشویق افراد به ایجاد عادت خواندن مداوم باشد.
[6] این مقاله در موردمطالعه‌ای گزارش می‌دهد که رابطه بین رفتار اجتماعی کتاب‌خوانی در Goodreads و وضعیت پرفروش‌ترین‌های آمازون را بررسی می‌کند. Goodreads یک پلتفرم رسانه اجتماعی برای خوانندگان کتاب است که در آن کاربران می‌توانند کتاب‌ها را رتبه‌بندی کنند، بررسی کنند و با دیگران درباره آن بحث کنند. از سوی دیگر، آمازون یکی از بزرگ‌ترین خرده‌فروشان آنلاین کتاب و سایر محصولات در جهان است.
سیستم‌های توصیه و پیشنهاد:
این مطالعه داده‌های بیش از 2000 کتاب منتشر شده در سال 2017 را تجزیه و تحلیل می‌کند که هم در گودریدز و هم در آمازون فهرست شده بودند. محققان به عوامل مختلفی مانند تعداد رتبه‌بندی‌ها، بررسی‌ها و قفسه‌بندی‌ها در Goodreadsپرداختند. آن‌ها سپس این داده‌ها را با وضعیت پرفروش‌ترین کتاب‌های آمازون مقایسه کردند. این مطالعه نشان داد که رفتار اجتماعی کتاب‌خوانی در Goodreads می‌تواند به طور دقیق پیش بینی کند که کدام کتاب به پرفروش ترین کتاب آمازون تبدیل می‌شود. به طور خاص، کتاب‌هایی که تعداد رتبه‌بندی‌ها، بررسی‌ها و قفسه‌بندی‌های بالایی در گودریدز دارند، احتمالاً به پرفروش‌ترین‌های آمازون تبدیل می‌شوند. این مطالعه همچنین نشان داد که کتاب‌هایی با رتبه‌بندی بالاتر و احساسات مثبت بیشتر در آمازون عملکرد بهتری دارند.
درنتیجه، این مطالعه بر اهمیت رسانه‌های اجتماعی در صنعت کتاب تأکید می‌کند. با ظهور پلتفرم‌های رسانه‌های اجتماعی مانند Goodreads، خوانندگان اکنون فرصت بیشتری برای به اشتراک گذاشتن نظرات و توصیه‌های خود با دیگران دارند. با تجزیه و تحلیل رفتار اجتماعی کتاب‌خوانی در این پلتفرم‌ها، ناشران و نویسندگان می‌توانند بینشی در مورد ترجیحات خوانندگان به دست آورند و به طور بالقوه پرفروش‌ترین کتاب بعدی را شناسایی کنند.
[7] این مقاله با استفاده از تکنیک‌های پردازش زبان طبیعی، احساسات بیان شده در نظرات کاربران کتاب‌ها را بررسی می‌کند. این مطالعه داده‌های 15 رمان کلاسیک آمریکایی را جمع‌آوری کرد و بیش از 5000 نظر کاربر را با استفاده از ابزارهای تحلیل احساسات تحلیل کرد.
تجزیه و تحلیل احساسات و عقیده‌کاوی
یافته‌ها نشان داد که احساسات کاوی می‌تواند بینش‌های مفیدی در مورد برداشت خوانندگان از رمان‌های کلاسیک آمریکایی ارائه دهد. این مطالعه نشان داد که احساسات بیان شده در نظرات کاربران به طور گسترده‌ای متفاوت است، به طوری که برخی از کتاب‌ها عمدتاً نقدهای مثبت دریافت کردند، در حالی که برخی دیگر نظرات متفاوت یا منفی دریافت کردند. این مطالعه همچنین نشان داد که احساسات بیان شده در نظرات کاربران اغلب تحت تأثیر عواملی مانند طرح داستان، شخصیت‌ها و مضامین کتاب است.
تجزیه و تحلیل ساختار شبکه:
این مقاله از تجزیه و تحلیل شبکه برای شناسایی تأثیرگذارترین کلمات و مضامین در نظرات کاربران رمان‌های کلاسیک آمریکایی استفاده کرد. نتایج نشان داد که کلمات و مضامین خاصی مانند عشق، دوستی و خانواده معمولاً در بررسی‌های مثبت ذکر می‌شوند، در حالی که کلمات و مضامینی مانند خشونت، نژادپرستی و جنسیت‌گرایی اغلب با نقدهای منفی همراه هستند.
این مطالعه همچنین رابطه بین احساسات و فروش را مورد بررسی قرار داد و دریافت که رابطه مثبت معناداری بین احساسات بیان شده در نظرات کاربران و فروش رمان‌های کلاسیک آمریکایی وجود دارد. این مطالعه نشان می‌دهد که احساسات مثبت بیان‌شده در نظرات کاربران می‌تواند تأثیر قابل‌توجهی بر محبوبیت و فروش رمان‌های کلاسیک آمریکایی داشته باشد و بر اهمیت نقدهای مثبت و بازخورد خوانندگان در تبلیغ و بازاریابی کتاب‌ها تأکید کند.
این مطالعه نتیجه‌گیری می‌کند که احساسات کاوی می‌تواند بینش‌هایی را در مورد درک خوانندگان از رمان‌های کلاسیک آمریکایی و عواملی که بر احساسات آن‌ها تأثیر می‌گذارد، ارائه دهد. این مطالعه بر اهمیت احساسات مثبت در تبلیغ و بازاریابی کتاب‌ها تأکید می‌کند و نشان می‌دهد که ابزار تحلیل احساسات می‌تواند ابزار مفیدی برای ناشران و نویسندگانی باشد که به دنبال درک بازخورد خواننده و بهبود بازاریابی کتاب‌هایشان هستند. بنابراین ارزش بازخورد خواننده و اهمیت احساسات در شکل‌دهی ادراکات خوانندگان و تصمیم‌گیری‌های خرید بسیار مهم است.
[8] این مقاله به بررسی استفاده از تکنیک‌هایی برای پیش‌بینی پیوند در شبکه‌های دوبخشی می‌پردازد و داده‌های Goodreads را برای بررسی اثربخشی این تکنیک‌ها در پیش‌بینی رتبه‌بندی کتاب‌های آینده تجزیه و تحلیل می‌کند.
پیش‌بینی پیوند و سیستم‌های توصیه و پیشنهاد در شبکه‌های 2بخشی:
این مطالعه بر روی نمونه‌ای از کتاب‌ها و خوانندگان در گودریدز متمرکز است و شبکه "دوجانبه" تعاملات کتاب‌ها و خوانندگان را برای پیش‌بینی رتبه‌بندی‌های آینده کتاب‌ها توسط خوانندگان تحلیل می‌کند.
یافته‌ها نشان داد که تکنیک‌های پیش‌بینی، پتانسیل بهبود سیستم‌های توصیه و استراتژی‌های بازاریابی شخصی‌سازی شده را دارد. این مطالعه نشان داد که تکنیک‌هایی مانند node2vecو LINE در پیش‌بینی رتبه‌بندی کتاب‌های آینده از روش‌های پیش‌بینی پیوند سنتی، مانند شباهت Jaccardو شباهت کسینوس بهتر عمل می‌کنند.
این مطالعه از داده‌های Goodreadsبرای ایجاد یک شبکه "دوبخشی" از تعاملات کتاب‌خوان استفاده کرد، که در آن "کتاب‌ها و خوانندگان" به‌عنوان گره‌ها و تعامل‌ها به‌عنوان یال‌ها نمایش داده می‌شدند. سپس از تکنیک‌هایی برای پیش‌بینی رتبه‌بندی کتاب‌های آینده توسط خوانندگان استفاده شد.
تجزیه و تحلیل ساختار شبکۀ 2 بخشی:
این مطالعه همچنین تأثیر ویژگی‌های مختلف شبکه، مانند توزیع درجه و ساختار جامعه، بر اثربخشی تکنیک‌های جاسازی شبکه برای پیش‌بینی پیوند در شبکه‌های دوبخشی را بررسی کرد. یافته‌ها نشان داد که تکنیک‌های تعبیه شبکه در شبکه‌هایی با توزیع درجه "پاورلا" و ساختار جامعه قوی مؤثرتر بوده و اهمیت ویژگی‌های شبکه را در شکل‌دهی اثربخشی این تکنیک‌ها برجسته می‌کند.
مجموعه داده Goodreads با ارائه مجموعه داده بزرگی از تعاملات کتاب و خواننده، نقش مهمی در این مطالعه ایفا کرد که به مطالعه اجازه ساخت یک شبکه دوبخشی و تجزیه و تحلیل اثربخشی تکنیک‌های جاسازی شبکه برای پیش‌بینی پیوند را داد. Goodreads همچنین بینش‌های خوبی در مورد ترجیحات و رفتار خوانندگان ارائه کرد و پتانسیل این تکنیک‌ها را برای بهبود سیستم‌های توصیه و استراتژی‌های بازاریابی شخصی‌شده برجسته کرد.
این مطالعه نتیجه‌گیری می‌کند که تکنیک‌های جاسازی شبکه می‌توانند در پیش‌بینی رتبه‌بندی کتاب‌های آینده در شبکه‌های دوجانبه مؤثر باشند و پتانسیل این تکنیک‌ها را برای بهبود سیستم‌های توصیه و استراتژی‌های بازاریابی شخصی‌شده برجسته می‌کند. این مطالعه نشان می‌دهد که ویژگی‌های شبکه، مانند توزیع درجه و ساختار جامعه، در شکل‌دهی اثربخشی این تکنیک‌ها مهم هستند و سازمان‌ها باید این ویژگی‌ها را هنگام استفاده از تکنیک‌های جاسازی شبکه برای مشکلات دنیای واقعی در نظر بگیرند.
[9] این مقاله توصیه‌های کتاب در Goodreads.comرا بررسی می‌کند و اثربخشی سیستم توصیه پلتفرم و عواملی را که بر تعامل کاربر با این توصیه‌ها تأثیر می‌گذارد، تجزیه و تحلیل می‌کند.
پیش‌بینی پیوند و سیستم‌های توصیه و پیشنهاد:
این مطالعه از داده‌های جمع‌آوری‌شده از API گودریدز، از جمله تعامل کاربر با کتاب‌های توصیه‌شده، برای تجزیه و تحلیل اثربخشی سیستم توصیه استفاده کرد.
یافته‌ها نشان داد که سیستم توصیۀ گودریدز در ایجاد تعامل کاربر با کتاب‌های توصیه‌شده مؤثر است و کاربران نرخ کلیک (CTR) بالایی را برای کتاب‌های پیشنهادی دارند. این مطالعه نشان داد که CTRبرای کتاب‌های توصیه‌شده به‌طور قابل‌توجهی بالاتر از CTRبرای کتاب‌های غیرتوصیه‌شده است، که بر اثربخشی سیستم توصیه در تشویق کاربران به کشف کتاب‌ها و نویسندگان جدید تأکید می‌کند.
این مقاله همچنین عواملی را که بر تعامل کاربر با کتاب‌های توصیه‌شده تأثیر می‌گذارد بررسی کرد و دریافت که ارتباط و تنوع کتاب‌های توصیه‌شده عوامل مهمی در تعیین تعامل کاربر هستند. این مطالعه نشان می‌دهد که کاربران احتمالاً با کتاب‌های توصیه‌شده مرتبط با علایقشان و طیف متنوعی از گزینه‌ها درگیر می‌شوند. این مطالعه همچنین نشان می‌دهد که کیفیت الگوریتم توصیه در تعیین تعامل کاربر مهم است، زیرا کاربران به احتمال زیاد با توصیه‌هایی که دقیق و مؤثر هستند درگیر می‌شوند.
تجزیه و تحلیل ساختار شبکه:
این مطالعه از تجزیه و تحلیل شبکه برای شناسایی تأثیرگذارترین کتاب‌ها و نویسندگان در پلتفرم و همچنین محبوب‌ترین ژانرها استفاده کرد. نتایج نشان داد که کتاب‌ها و نویسندگان خاصی بر روی پلتفرم بسیار تأثیرگذار بوده‌اند و برخی از نویسندگان تأثیر قابل‌توجهی بر تعامل کاربران با کتاب‌های پیشنهادی دارند. این مطالعه همچنین نشان داد که ژانرهای خاصی مانند داستان‌های عاشقانه و داستان‌های بزرگسالان جوان، محبوب‌تر از سایرین هستند که نشان‌دهنده ترجیحات کاربران Goodreadsاست.
این مطالعه نتیجه می‌گیرد که سیستم توصیه گودریدز در ایجاد تعامل کاربر با کتاب‌های توصیه‌شده مؤثر است و اهمیت توصیه‌های دقیق و مرتبط را در تشویق کاربران به کشف کتاب‌ها و نویسندگان جدید برجسته می‌کند. این مطالعه نشان می‌دهد که تنوع کتاب‌های توصیه‌شده عامل مهمی در تعیین تعامل کاربر است، زیرا کاربران بیشتر با توصیه‌هایی درگیر می‌شوند که طیف وسیعی از گزینه‌ها را ارائه می‌دهند. این یافته‌ها بینش‌های مفیدی را در مورد ارزش سیستم‌های توصیه در ترویج مطالعه و تشویق کاربران به کشف کتاب‌ها و نویسندگان جدید ارائه می‌دهد.
[10] این مقاله به بررسی استفاده از تکنیک‌های تجزیه و تحلیل احساسات و خوشه‌بندی برای تحلیل بررسی‌های آنلاین کتاب و شناسایی الگوهایی در احساسات و نگرش خوانندگان نسبت به کتاب می‌پردازد. بنابراین از تکنیک های داده‌کاوی برای تجزیه و تحلیل مجموعه داده‌ای از بررسی‌های آنلاین کتاب از Amazon.comاستفاده می‌کند که بر نقد کتاب ها در ژانرهای داستانی و غیرداستانی تمرکز دارد. یافته‌ها نشان داد که تکنیک‌های تجزیه و تحلیل احساسات و خوشه‌بندی می‌توانند بینش‌های خوبی را در مورد پاسخ‌های احساسی خوانندگان به کتاب‌ها ارائه دهند و اهمیت درک ارتباط عاطفی خوانندگان با کتاب‌ها را در استراتژی‌های بازاریابی و تبلیغاتی برجسته کنند.
تحلیل احساسات و عقیده‌کاوی:
این مطالعه نشان داد که واکنش‌های احساسی خوانندگان به کتاب‌ها بسیار متفاوت است، برخی از کتاب‌ها عمدتاً احساسات مثبت را برمی‌انگیزند، در حالی که برخی دیگر، احساسات مختلط یا منفی را برانگیخته می‌کنند. در این مقاله از تکنیک‌های خوشه‌بندی برای شناسایی الگوها در پاسخ‌های عاطفی خوانندگان به کتاب‌ها، گروه‌بندی کتاب‌ها بر اساس مضامین و الگوهای احساسی مشابه استفاده شده است. نتایج نشان داد که موضوعات عاطفی خاص، مانند عشق، از دست دادن و خودیابی، در بین کتاب‌ها و ژانرهای مختلف مشترک هستند، و جهانی بودن برخی تجربیات عاطفی و ارتباط آن‌ها با خوانندگان در زمینه‌ها و فرهنگ‌های مختلف را برجسته می‌کنند.
این مطالعه همچنین رابطه بین پاسخ های عاطفی و عوامل جمعیت شناختی مانند سن و جنسیت را مورد بررسی قرار داد. یافته‌ها نشان داد که خوانندگان جوان‌تر تمایل بیشتری به ابراز احساسات مثبت در بررسی‌های خود داشتند، در حالی که خوانندگان مسن‌تر به احتمال زیاد احساسات مختلط یا منفی را ابراز می‌کردند. این مطالعه همچنین نشان داد که خوانندگان زن تمایل بیشتری به بیان پاسخ‌های احساسی در بررسی‌های خود دارند، که بر اهمیت تفاوت‌های جنسیتی در ارتباطات عاطفی خوانندگان با کتاب‌ها تاکید می‌کند.
[11] این مقاله به بررسی استفاده و تأثیر رتبه‌بندی Goodreadsبرای خوانندگان کتاب‌های عربی می‌پردازد.
یافته‌ها نشان داد که اکثر شرکت کنندگان از Goodreadsبرای پیگیری پیشرفت خواندن خود و یافتن کتاب‌های جدید برای خواندن استفاده می‌کردند. با این حال، این مطالعه نشان داد که استفاده از رتبه‌بندی و بررسی‌های Goodreadsبرای کتاب‌های عربی محدود بود و تنها درصد کمی از شرکت‌کنندگان از این ویژگی‌ها برای انتخاب کتاب استفاده می‌کردند که این ممکن است به دلیل در دسترس نبودن کتاب‌های عربی در این پلتفرم، و همچنین تعداد محدود بررسی و رتبه‌بندی برای این کتاب‌ها باشد.
این مطالعه همچنین تأثیر رتبه‌بندی و بررسی‌های Goodreadsرا بر انتخاب کتاب‌های خوانندگان بررسی کرد و دریافت که اکثر شرکت‌کنندگان هنگام انتخاب کتاب‌ها برای خواندن تحت تأثیر رتبه‌بندی‌ها و بررسی‌ها قرار گرفتند. با این حال، این مطالعه نشان داد که تأثیر رتبه‌بندی و بررسی برای کتاب‌های عربی در مقایسه با کتاب‌های دیگر زبان‌ها ضعیف‌تر بود.
این مطالعه نتیجه‌گیری می‌کند که اگرچه Goodreadsابزار مفیدی برای ردیابی پیشرفت خواندن و کشف کتاب‌های جدید برای خواندن است، تأثیر این پلتفرم بر انتخاب کتاب‌های خوانندگان برای کتاب‌های عربی محدود است. در دسترس نبودن کتاب‌های عربی در این پلتفرم، و همچنین تعداد محدود رتبه‌بندی و نقد برای این کتاب‌ها، ممکن است مانع از مفید بودن این پلتفرم برای خوانندگان ادبیات عرب شود.
در واقع، Goodreads یک پلتفرم رسانه اجتماعی است که بر کتاب متمرکز شده است و به کاربران اجازه می‌دهد تجربیات خواندن خود را به اشتراک بگذارند، کتاب ها را مرور کنند و با سایر خوانندگان ارتباط برقرار کنند. این پلتفرم داده‌های زیادی را ارائه می‌دهد که می‌تواند برای به دست آوردن بینشی در مورد ترجیحات و رفتارهای خواندن در فرهنگ ها و مناطق مختلف تجزیه و تحلیل شود. همانطور که در مقالۀ اول و دوم مشاهده شد، Goodreads امکان تجزیه و تحلیل بین کشوری و بین منطقه‌ای ترجیحات خواندن را فراهم می‌کند. همچنین این پلتفرم بینش‌هایی را دربارۀ شباهت‌های فرهنگی بر اساس ترجیحات کتاب را ارائه می‌دهد. در مقاله‌های بعدی نیز رابطه بین استناد به کتاب دانشگاهی و نظر خوانندگان Goodreads، تشخیص الگو در ترجیحات جنسیت و ژانر خواننده و نویسنده، بررسی تاثیر چالش‌های گودریدز در مطالعۀ افراد، رابطۀ رتبه‌بندی‌های کتاب‌ها در گودریدز و فروش آن‌ها در آمازون، پیش‌بینی پیوند در شبکه‌های دوبخشی کتاب‌ها و آدم‌ها و توصیۀ کتاب، تاثیر خوشه‌بندی کتاب‌ها برای توصیه در خواندن کتاب‌ها و ... بررسی شد. بنابراین طبق مطالعات انجام شده این مجموعه از تحلیل‌ها از شبکه‌های پیچیدۀ پویا می‌تواند باعث پیش‌بینی فروش یک کتاب در یک کشور یا منطقه یا در یک جنسیت یا سن خاص، تبلیغات موثرتر با در نظرگرفتن ژانر کتاب برای اشخاص یا تاثیر اینفلوئنسرهای حوزۀ کتاب، پیشنهاد کتاب‌های بهتر برای مطالعۀ هر فرد با توجه به علایق و تاریخچۀ مطالعۀ شخص و چندین و چند بینش و دانستۀ ارزشمند دیگر شود ?
[1] Silva, M. O., Scofield, C., de Melo-Gomes, L., Botelho, J. E., Oliveira, G. P., Seufitelli, D. B., & Moro, M. M. (2022). Brazilian Reading Preferences in Goodreads: Cross-state and Cross-region Analyses. iSys-Brazilian Journal of Information Systems, 15(1), 25-1.
[2] Sabri, N., Sadeghian, S., & Bahrak, B. (2020). A cross-country study on cultural similarities based on book preferences. Social Network Analysis and Mining, 10, 1-12.
[3] Singson, M. (2021). Examining the relationship between academic book citations and Goodreads reader opinion and rating. Annals of Library and Information Studies (ALIS), 67(4), 215-221.
[4] Thelwall, M. (2019). Reader and author gender and genre in Goodreads. Journal of Librarianship and Information Science, 51(2), 403-430.
[5] Jafari, Y., Sabri, N., & Bahrak, B. (2020). Investigating the effects of Goodreads challenges on individuals reading habits. arXiv preprint arXiv:2012.03932.
[6] Maity, S. K., Panigrahi, A., & Mukherjee, A. (2019). Analyzing social book reading behavior on goodreads and how it predicts amazon best sellers. Influence and Behavior Analysis in Social Networks and Social Media, 211-235.
[7] PARKSEPP, L. SENTIMENT MINING IN GOODREADS REVIEWS OF CLASSIC AMERICAN NOVELS BA thesis.
[8] Özge, K. A. R. T. (2021). Network Embedding For Link Prediction in Bipartite Networks. Avrupa Bilim ve Teknoloji Dergisi, (27), 311-317.
[9] Isaacson, D., & Sebastian, A. Book Recommendations on GoodReads. com.
[10] Lin, E., Fang, S., & Wang, J. (2013, March). Mining online book reviews for sentimental clustering. In 2013 27th International Conference on Advanced Information Networking and Applications Workshops (pp. 179-184). IEEE.
[11] Alghamdi, A. M., & Ihshaish, H. (2021). The use and impact of Goodreads rating and reviews, for readers of Arabic books. International Journal of Business Information Systems, 37(4), 442-466.
