Σύστημα αυτόματης ανάλυσης κοινωνικών δικτύων και προσδιορισμός προσωπικότητας, ενδιαφερόντων και προτιμήσεων χρηστών
Στόχος της Διπλωματικής Εργασίας είναι να παρουσιάσει τη δημιουργία ενός αυτοματοποιημένου συστήματος, με το οποίο θα γίνεται εφικτό να γίνει ανάλυση και πρόβλεψη για την προσωπικότητα, τα ενδιαφέροντα και τις προτιμήσεις χρηστών σε Online Social Networks, μέσω της χρησιμοποίησης απαραίτητων πληροφο...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/15441 |
| id |
nemertes-10889-15441 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-154412022-09-05T14:10:26Z Σύστημα αυτόματης ανάλυσης κοινωνικών δικτύων και προσδιορισμός προσωπικότητας, ενδιαφερόντων και προτιμήσεων χρηστών Automatic social network analysis system and identification of personality, interests and preferences of users Τσαουσόπουλος, Βασίλειος Tsaousopoulos, Vasileios Μηχανική μάθηση Τεχνητή νοημοσύνη Κοινωνικά δίκτυα Μοντέλα πρόβλεψης Machine learning Artificial intelligence Social networks Prediction models Στόχος της Διπλωματικής Εργασίας είναι να παρουσιάσει τη δημιουργία ενός αυτοματοποιημένου συστήματος, με το οποίο θα γίνεται εφικτό να γίνει ανάλυση και πρόβλεψη για την προσωπικότητα, τα ενδιαφέροντα και τις προτιμήσεις χρηστών σε Online Social Networks, μέσω της χρησιμοποίησης απαραίτητων πληροφοριών από τα προφίλ τους. Αρχικά, συγκεντρώνονται τα στοιχεία που έχουν δημοσιευθεί στα Facebook προφίλ των χρηστών, από μια δημόσια ομάδα που ονομάζεται Cheltenham Facebook Groups, κατασκευάζονται γραμμικά μοντέλα, προκειμένου να υπολογιστεί το επίπεδο της εμπιστοσύνης μεταξύ τους, δημιουργούνται μέθοδοι για την πρόβλεψη των χαρακτηριστικών της προσωπικότητας τους, χρησιμοποιώντας το μοντέλο Big Five Personality, καθώς και για τον προσδιορισμό των ενδιαφερόντων και προτιμήσεών τους. Στη συνέχεια, καθιερώνεται ένας Facebook scraper αλγόριθμος, ο οποίος χρησιμοποιείται για εξαγωγή των δημόσιων δεδομένων των χρηστών από ένα Facebook API. Τα δεδομένα που συλλέγονται εφαρμόζονται στην είσοδο ενός classifier, που ονομάζεται Ada Boosted Decision Tree, ο οποίος χρησιμοποιεί μια τεχνική εξόρυξης δεδομένων, με σκοπό να γίνει αναγνώριση των χαρακτηριστικών της προσωπικότητας των χρηστών και των ενδιαφερόντων από το προφίλ τους, συνδυάζοντας τα δημόσια δεδομένα τους με τις απαντήσεις τους σχετικά με το Big Five Personality Test και Young People Survey αντίχτοιχα. Η αξιολόγηση της επίδοσης των μοντέλων, δείχνει ότι επιτυγχάνεται σε όλες τις περιπτώσεις ικανοποιητική ακρίβεια, η οποία υποδηλώνει με βεβαιότητα, την ικανότητα των μοντέλων για μέτρηση και πρόβλεψη με μεγάλα ποσοστά επιτυχίας, του επιπέδου εμπιστοσύνης μεταξύ των χρηστών και την ανάλυση της κοινωνικής τους συμπεριφοράς σε ένα δίκτυο. The aim of this Thesis is to present the creation of an automated system, which will make it possible to analyze and predict the personality, interests and preferences of users in Online Social Networks, through the use of necessary information from their profiles. Initially, data posted on users' Facebook profiles is collected from a public group called Cheltenham Facebook Groups, linear models are constructed to calculate the level of trust between them, and methods are used to predict their personality traits, using the Big Five Personality model, as well as to identify their interests and preferences. Next, a Facebook scraper algorithm is introduced, which is used to extract users' public data from a Facebook API. The data collected is applied to the input of a classifier, called Ada Boosted Decision Tree, which uses a data mining technique to identify users' personality traits and interests from their profile, combining their public data with their answers from the Big Five Personality Test and Young People Survey respectively. The evaluation of the performance of the models, shows that in all cases satisfactory accuracy is achieved, which indicates with certainty, the ability of the models to measure and predict with high success rates, the level of trust between users and the analysis of their social behavior in a network. 2021-10-25T05:31:38Z 2021-10-25T05:31:38Z 2021-09-30 http://hdl.handle.net/10889/15441 gr application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Μηχανική μάθηση Τεχνητή νοημοσύνη Κοινωνικά δίκτυα Μοντέλα πρόβλεψης Machine learning Artificial intelligence Social networks Prediction models |
| spellingShingle |
Μηχανική μάθηση Τεχνητή νοημοσύνη Κοινωνικά δίκτυα Μοντέλα πρόβλεψης Machine learning Artificial intelligence Social networks Prediction models Τσαουσόπουλος, Βασίλειος Σύστημα αυτόματης ανάλυσης κοινωνικών δικτύων και προσδιορισμός προσωπικότητας, ενδιαφερόντων και προτιμήσεων χρηστών |
| description |
Στόχος της Διπλωματικής Εργασίας είναι να παρουσιάσει τη δημιουργία ενός αυτοματοποιημένου συστήματος, με το οποίο θα γίνεται εφικτό να γίνει ανάλυση και πρόβλεψη για την προσωπικότητα, τα ενδιαφέροντα και τις προτιμήσεις χρηστών σε Online Social Networks, μέσω της χρησιμοποίησης απαραίτητων πληροφοριών από τα προφίλ τους. Αρχικά, συγκεντρώνονται τα στοιχεία που έχουν δημοσιευθεί στα Facebook προφίλ των χρηστών, από μια δημόσια ομάδα που ονομάζεται Cheltenham Facebook Groups, κατασκευάζονται γραμμικά μοντέλα, προκειμένου να υπολογιστεί το επίπεδο της εμπιστοσύνης μεταξύ τους, δημιουργούνται μέθοδοι για την πρόβλεψη των χαρακτηριστικών της προσωπικότητας τους, χρησιμοποιώντας το μοντέλο Big Five Personality, καθώς και για τον προσδιορισμό των ενδιαφερόντων και προτιμήσεών τους. Στη συνέχεια, καθιερώνεται ένας Facebook scraper αλγόριθμος, ο οποίος χρησιμοποιείται για εξαγωγή των δημόσιων δεδομένων των χρηστών από ένα Facebook API. Τα δεδομένα που συλλέγονται εφαρμόζονται στην είσοδο ενός classifier, που ονομάζεται Ada Boosted Decision Tree, ο οποίος χρησιμοποιεί μια τεχνική εξόρυξης δεδομένων, με σκοπό να γίνει αναγνώριση των χαρακτηριστικών της προσωπικότητας των χρηστών και των ενδιαφερόντων από το προφίλ τους, συνδυάζοντας τα δημόσια δεδομένα τους με τις απαντήσεις τους σχετικά με το Big Five Personality Test και Young People Survey αντίχτοιχα. Η αξιολόγηση της επίδοσης των μοντέλων, δείχνει ότι επιτυγχάνεται σε όλες τις περιπτώσεις ικανοποιητική ακρίβεια, η οποία υποδηλώνει με βεβαιότητα, την ικανότητα των μοντέλων για μέτρηση και πρόβλεψη με μεγάλα ποσοστά επιτυχίας, του επιπέδου εμπιστοσύνης μεταξύ των χρηστών και την ανάλυση της κοινωνικής τους συμπεριφοράς σε ένα δίκτυο. |
| author2 |
Tsaousopoulos, Vasileios |
| author_facet |
Tsaousopoulos, Vasileios Τσαουσόπουλος, Βασίλειος |
| author |
Τσαουσόπουλος, Βασίλειος |
| author_sort |
Τσαουσόπουλος, Βασίλειος |
| title |
Σύστημα αυτόματης ανάλυσης κοινωνικών δικτύων και προσδιορισμός προσωπικότητας, ενδιαφερόντων και προτιμήσεων χρηστών |
| title_short |
Σύστημα αυτόματης ανάλυσης κοινωνικών δικτύων και προσδιορισμός προσωπικότητας, ενδιαφερόντων και προτιμήσεων χρηστών |
| title_full |
Σύστημα αυτόματης ανάλυσης κοινωνικών δικτύων και προσδιορισμός προσωπικότητας, ενδιαφερόντων και προτιμήσεων χρηστών |
| title_fullStr |
Σύστημα αυτόματης ανάλυσης κοινωνικών δικτύων και προσδιορισμός προσωπικότητας, ενδιαφερόντων και προτιμήσεων χρηστών |
| title_full_unstemmed |
Σύστημα αυτόματης ανάλυσης κοινωνικών δικτύων και προσδιορισμός προσωπικότητας, ενδιαφερόντων και προτιμήσεων χρηστών |
| title_sort |
σύστημα αυτόματης ανάλυσης κοινωνικών δικτύων και προσδιορισμός προσωπικότητας, ενδιαφερόντων και προτιμήσεων χρηστών |
| publishDate |
2021 |
| url |
http://hdl.handle.net/10889/15441 |
| work_keys_str_mv |
AT tsaousopoulosbasileios systēmaautomatēsanalysēskoinōnikōndiktyōnkaiprosdiorismosprosōpikotētasendiapherontōnkaiprotimēseōnchrēstōn AT tsaousopoulosbasileios automaticsocialnetworkanalysissystemandidentificationofpersonalityinterestsandpreferencesofusers |
| _version_ |
1771297254077890560 |
