شما کسی هستید که می شناسید: تعیین پروفایل های کاربر در شبکه های اجتماعی آنلاین

قیمت: 38,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

شما کسی هستید که می شناسید: تعیین پروفایل های کاربر در شبکه های اجتماعی آنلاین

عنوان لاتین

You Are Who You Know: Inferring User Profiles in Online Social Networks

شبکه های اجتماعی آنلاین در حال حاضر یک راه محبوب برای کاربران برای اتصال، بیان خودشان و به اشتراک گذاری محتوا می باشد. کاربران در شبکه های اجتماعی آنلاین امروزه، اغلب پروفایلی را به اشتراک می گذارند که متشکل از ویژگی هایی مانند موقعیت جغرافیایی، علایق و مدارسی است که در آنها حضور داشته اند. اطلاعات پروفایل این چنینی در سایت ها به صورت معمول برای کاربران گروهی، برای به اشتراک گذاری محتو و برای پیشنهاد کاربرانی که ممکن است از برخورد با آن ها سود ببرند، استفاده می شود. با این حال، در عمل همه ی کاربران این این خصوصیات را ارائه نمی دهند. در این مقاله، ما این سوال را می پرسیم که: آیا با ویژگی های داده شده برای کسری از کاربران در شبکه های اجتماعی آنلاین ، می توانیم ویژگی کاربران باقی مانده را تعیین کنیم؟ به عبارت دیگر، آیا ویژگی های کاربران، در ترکیب با نمودار شبکه می تواند برای پیش بینی ویژگی های کاربر دیگری در شبکه استفاده شود؟ برای پاسخ به این سوال، ما اطلاعات دقیقی از دو شبکه اجتماعی جمع آوری کرده و تلاش می کنیم ویژگی های پروفایل کاربر را حدس بزنیم. ما پی بردیم که کاربران با ویژگی های مشترک، بیشتر احتمال دارد که دوست و از یک جامعه متراکم باشند و ما روشی برای تعیین ویژگی های کاربران پیشنهاد می کنیم که از روش پیشین برای تشخیص جوامع در شبکه های اجتماعی، الهام گرفته است. نتایج ما نشان می دهد که اگر اطلات ۲۰٪ کاربران هم داده شود، می توان ویژگی های خاصی از کاربران را با دقت بالا تعیین کرد.

Online social networks are now a popular way for users to connect, express themselves, and share content. Users in to- day’s online social networks often post a profile, consisting of attributes like geographic location, interests, and schools attended. Such profile information is used on the sites as a basis for grouping users, for sharing content, and for sug- gesting users who may benefit from interaction. However, in practice, not all users provide these attributes. In this paper, we ask the question: given attributes for some fraction of the users in an online social network, can we infer the attributes of the remaining users? In other words, can the attributes of users, in combination with the social network graph, be used to predict the attributes of another user in the network? To answer this question, we gather fine-grained data from two social networks and try to infer user profile attributes. We find that users with com- mon attributes are more likely to be friends and often form dense communities, and we propose a method of inferring user attributes that is inspired by previous approaches to detecting communities in social networks. Our results show that certain user attributes can be inferred with high accu- racy when given information on as little as 20% of the users.