In a time when information and opinions are to a large extent shared via social media, it is important to find a way to determine how credible the content is. The purpose of this study is to investigate whether PageRank based algorithms can be used to deter- mine how credible a Twitter user is based on how much the user’s posts are retweeted by other users. Two different algorithms based on PageRank have rated the credibility of Twitter users in a network. This ranking has been compared with a manual credibil- ity check on the users to determine how close to reality the credibility distribution from the algorithms is. The results show that the algorithms can be said to preform better than random, but they still assign inaccurate credibility scores to many users. The simplicity of the algorithms is an advantage compared to other methods used in previous research. The conclusion is that the algorithms in their current states are not suitable for determin- ing the credibility of Twitter users. / I en tid då information och åsikter till stor del delas via sociala medier är det viktigt att finna ett sätt att avgöra hur trovärdig detta innehåll är. Syftet med denna studie är att utreda om det med hjälp av algoritmer baserade på PageRank-algoritmen går att avgö- ra hur trovärdig en Twitteranvändare är, baserat på hur mycket användarens inlägg bli- vit delade av andra användare. Två olika algoritmer baserade på PageRank har rankat trovärdigheten hos Twitteranvändare i ett nätverk. Denna rankning har sedan jämförts med en manuell trovärighetstilldelning av användarna för att avgöra hur nära verklighe- ten algoritmernas trovärdighetsfördelning är. Resultaten visar att algoritmerna kan anses prestera bättre än slumpen, men att de trots detta tilldelar en fleaktig trovärdighet till många användare i nätverket. Algoritmernas triviala natur ger dem en fördel gentemot algoritmer som använts i tidigare studier. Slutsatsen är att algoritmerna i deras nuvaran- de form inte är lämpade för att fastställa trovärdighet hos Twitteranvändare.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-208102 |
| Date | January 2017 |
| Creators | Elin, Karagöz, Alice, Heavey |
| Publisher | KTH, Skolan för datavetenskap och kommunikation (CSC) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0017 seconds