ارایه مدلی برای تخمین میزان برون گرایی اعضای شبکه اجتماعی با استفاده از اطلاعات ساختار گراف

با آگاهی از شخصیت اعضای شبکه های اجتماعی میتوان بسیاری از سرویسهای ارایه شده به این افراد را بهبود بخشید و یا از این اطلاعات برای بهبود روابط اعضای شبکه اجتماعی با یکدیگر استفاده کرد. یک روش برای تخمین شخصیت اعضای شبکه های اجتماعی استفاده صریح از پرسشنامه های شخصیتی است. ولی بسیاری افراد این کار را نقض حریم شخصی خود میدانند و یا تمایلی به صرف وقت برای پرکردن پرسشنامه ندارند. به همین دلیل نیاز است ویژگیهای شخصیتی اعضا به صورت غیرمستقیم تخمین زده شود. روشهایی که برای این منظور در تحقیقات پیشین ارایه شده اند همگی نیازمند دسترسی به پروفایل اطلاعات محتوایی و متنی اعضا هستند. درحالیکه دسترسی به این اطلاعات همواره امکانپذیر نیست و میتواند موجب نقض حریم خصوصی افراد گردد. در این مقاله مدلی ارایه میشود که به صورت غیرمستقیم و بدون نقض حریم خصوصی افراد، تنها با در اختیار داشتن اطلاعاتی راجع به ساختار گرافی که حول هر عضو شبکه اجتماعی وجود دارد، میتواند میزان برونگرایی آن عضو را تخمین بزند. برای ایجاد این مدل، ابتدا داده های مربوط به تعدادی از اعضای شبکه اجتماعی جمعآوری شده است. سپس با استفاده از دو روش برنامهنویسی ژنتیک و قوانین رگرسیون M5 بر روی این داده ها، روابطی استخراج شده اند که با دریافت سه ویژگی از ساختار گراف هر عضو شبکه اجتماعی میتوانند میزان برونگرایی او را تخمین بزنند. نتایج نشان میدهد که این دو روش با دقت بالایی این تخمین را انجام میدهند. همچنین، مدل حاصل از برنامهنویسی ژنتیک در مقایسه با رگرسیون M5، دقت بالاتر و پیچیدگی محاسباتی کمتری دارد.