Ένα βασικό ανοιχτό ερώτημα στην ανάλυση των online κοινωνικών δικτύων είναι η κατανόηση του φαινομένου της ομοφιλίας. Οι χρήστες τους είναι όμοιοι με τους φίλους τους, όσον αφορά τα ενδιαφέροντά τους. Στη διπλωματική αυτή εργασία, επιχειρείται η διερεύνηση του φαινομένου της ομοφιλίας στο Facebook και στο Twitter. Τα datasets τα οποία εξορύχθηκαν για αυτήν τη διπλωματική εργασία αφορούν τους Έλληνες χρήστες. Ακόμη, εισάγεται ένα νέο μοντέλο για τη μέτρηση της ομοιότητας μεταξύ των χρηστών , ως προς τα κοινά τους ενδιαφέροντα – το προσαρμοσμένο vector space μοντέλο. Το μοντέλο αυτό συγκρίνεται με τη διαδεδομένη μέθοδο των κοινών γειτόνων. Τέλος, προτείνεται η δημιουργία recommendations βάσει των κοινών ενδιαφερόντων των χρηστών και όχι μόνο βάσει των κοινών φίλων . Μάλιστα, κατασκευάζεται μια web application η οποία δείχνει το πώς μπορεί να πραγματοποιηθεί αυτό, κάνοντας homophily-based recommendations και χρησιμοποιώντας το προσαρμοσμένο vector space μοντέλο. / A fundamental open question in social networking analysis is the research of the phenomenon of homophily. The users of the social networking sites are similar to their friends, regarding their interests, their hobbies and their topics of discussion. In this diploma thesis, the study of the phenomenon of homophily is attempted in two main and popular networking sites- Facebook and Twitter. The datasets that were mined for the purpose of this diploma thesis concern the Greek users of the two above-mentioned social networking sites.Moreover, a new method for measuring similarity between users regarding their common interests is introduced- the so-called “adapted vector-space model”. This model is compared to the popular method of common neighbors. Finally, the creation of recommendations based on the common interests of users (and not only based on the existence of common friends, as is the case with the existing situation) is suggested. What is more, a web application is constructed that shows how this can be implemented. This application makes homophily-based recommendations and it uses the adapted vector-space model.
Identifer | oai:union.ndltd.org:upatras.gr/oai:nemertes:10889/4670 |
Date | 03 October 2011 |
Creators | Χριστακοπούλου, Ευαγγελία |
Contributors | Δασκαλάκη, Σοφία, Christakopoulou, Evangelia, Αβούρης, Νικόλαος |
Source Sets | University of Patras |
Language | gr |
Detected Language | English |
Type | Thesis |
Rights | 0 |
Page generated in 0.0018 seconds