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

با آگاهی از شخصیت اعضای شبکه های اجتماعی می توان بسیاری از سرویس های ارائه 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 می دانند و یا تمایلی به صرف وقت برای پرکردن پرسشنامه ندارند. به همین دلیل نیاز است ویژگی های شخصیتی اعضا به صورت غیرمستقیم تخمین زده شود. روش هایی که برای این منظور در تحقیقات پیشین ارائه شده اند همگی نیازمند دسترسی به پروفایل و اطلاعات محتوایی و متنی اعضا هستند. درحالیکه دسترسی به این اطلاعات همواره امکان پذیر نیست و می تواند موجب نقض حریم خصوصی افراد گردد. در این مقاله مدلی ارائه می شود 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، می تواند میزان برون گرایی آن عضو را تخمین بزند. برای ایجاد این مدل، ابتدا داده های مربوط به تعدادی از اعضای شبکه اجتماعی جمع آوری شده است. سپس با استفاده از دو روش برنامه نویسی 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 می توانند میزان برون گرایی او را تخمین بزنند. نتایج نشان می دهد که این دو روش با دقت بالایی این تخمین را انجام می دهند. همچنین، مدل حاصل از برنامه نویسی ژنتیک در مقایسه با رگرسیون m5، دقت بالا تر و پیچیدگی محاسباتی کمتری دارد.