شماره کتابشناسی ملی
شماره
۲۳۴۹۳پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
کشف روابط ضمنی در شبکه‌های اجتماعی چندگانه جهت پیش‌بینی تیپ شخصیتی کاربران
عنوان اصلي به زبان ديگر
Implicit Relation Discovery in Multiplex Social Networks for User Personality Type Prediction
نام نخستين پديدآور
/فاطمه کریمی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: علوم ریاضی
تاریخ نشرو بخش و غیره
، ۱۳۹۹
نام توليد کننده
، کبیری
مشخصات ظاهری
نام خاص و کميت اثر
۱۵۵ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
علوم کامپیوتر
زمان اعطا مدرک
۱۳۹۹/۰۶/۲۳
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
امروزه، رسانه‌های اجتماعی یک فرصت ارزشمند برای تعامل‌های گسترده بین مصرف‌کنندگان و بنگاه‌های کسب‌وکار فراهم می‌نمایند .ازاین‌رو، یک امر ضروری در یک جامعه‌ی برخط، شناسایی روابط کاربران به‌منظور بهره‌گیری از آنها در جهت اهداف مختلف است .اگرچه ارتباطات بین کاربران در این بستر گسترده است، اما شبکه‌های اجتماعی اقتباس شده از تعامل‌های صریح کاربران اغلب به شکل پراکنده نمایش داده می‌شوند و نتیجه‌ی به‌دست آمده از تحلیل شبکه‌ی مستخرج از این روابط همواره سودمند نخواهد بود .باتوجه‌به فعالیت اغلب کاربران در بیش از یک شبکه‌ی اجتماعی، داده‌های جمع‌آوری شده در قالب یک ساختار چندگانه، اطلاعات ارزشمندی را فراهم خواهد کرد .روش‌های موجود تحلیل شبکه‌های اجتماعی اغلب از شبکه‌ی روابط صریح بین افراد برای اهداف مختلف بهره‌گیری می‌نمایند و روابط ضمنی بین افراد به‌ندرت مدنظر است .از طرف دیگر، محبوبیت شبکه‌های اجتماعی در میان افراد، تحقیقات در حوزه‌ی علوم مختلف ازجمله روان‌شناسی را نیز تحت تاثیر قرار داده است و تشخیص ویژگی‌های شخصیتی افراد باتوجه‌به رفتار در شبکه‌های اجتماعی، توجه بسیاری را به خود معطوف کرده است .لذا هدف از رساله‌ی پیشنهادی، کشف روابط ضمنی بین کاربران در شبکه‌های اجتماعی چندگانه جهت پیش‌بینی تیپ شخصیتی کاربران است .برای این منظور در این رساله سه راهکار ارائه شده است .در ابتدا با به‌کارگیری یک رویکرد تکاملی ترکیبی، ساختار جوامع در شبکه‌ی چندگانه شناسایی می‌شوند .این راهکار از قابلیت‌های جستجوی محلی و سراسری در کنار یکدیگر بهره‌گیری می‌کند .سپس با استفاده از یک روش پیش‌بینی پیوند و به‌کارگیری داده‌های چندمنبعه و چندحالته شامل متن، تصویر و اطلاعات مکانی، شبکه‌ی روابط ضمنی بین کاربران شناسایی می‌شود .این روش ویژگی‌های داخلی هر لایه و شباهت خارجی بین لایه‌ای را در کنارهم درنظر می‌گیرد .در نهایت، از شبکه‌ی حاصل در یک چارچوب مبتنی‌بر روش‌های یادگیری ماشین به‌منظور پیش‌بینی تیپ شخصیتی کاربران بهره‌گیری شده است .نتایج ارزیابی و مقایسه راهکارهای پیشنهادی حاکی از بهبود دقت پیش‌بینی‌ها در مجموعه‌های داده‌ای مختلف هستند
متن يادداشت
Today, social media provides a valuable opportunity for wide-ranging interactions between consumers and businesses. Therefore, in an online community, it is essential to identify users relationships in order to use them for different purposes. Although the interactions between users are widespread in this context, social networks adapted from explicit user interactions are often sparse, and the obtained result from the analysis of the network derived from these relationships will not always be useful. Due to the activity of most users in more than one social network, data collected from several online social networks in the form of a multiplex structure will provide valuable information. Existing methods of social network analysis often use the network of explicit relations between people for different purposes, and implicit relation between people is rarely considered. On the other hand, the popularity of social networks among people in society has also influenced research in various fields, including psychology, and recognizing the users personality traits according to the behavior in social networks has attracted considerable attention. Therefore, the discovery of the implicit relations between users in multiplex social networks for personality type prediction is the purpose of the proposed dissertation. In order to achieve this, three solutions are presented in this dissertation. First, using a hybrid evolutionary approach, the structure of communities in multiplex networks is identified. This approach utilizes local and global search capabilities together. The network of implicit relationships between users is then identified using a link prediction method and based on multi-source and multimodal data including text, image, and spatial information. This method considers both the internal features of each layer and the external similarity between the layers. Finally, the resulting network is used to predict the personality types of the users in a framework based on machine learning methods. The results of the evaluation and comparison of the proposed methods indicate an improvement in the accuracy of predictions in different datasets
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Implicit Relation Discovery in Multiplex Social Networks for User Personality Type Prediction
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
کریمی، فاطمه
مستند نام اشخاص تاييد نشده
Karimi, Fatemeh
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
