Dinâmica das preferências do usuário em redes sociais que evoluem ao longo do tempo
| Autor: | Pereira, Fabíola Souza Fernandes |
|---|---|
| Přispěvatelé: | Oliveira, Gina Maira Barbosa de, Gama, João, Benevenuto, Fabrício, Carvalho, André C. P. L. F. de, Faria, Elaine Ribeiro de, Travençolo, Bruno Augusto Nassif |
| Jazyk: | angličtina |
| Rok vydání: | 2018 |
| Předmět: |
Social network analysis
Preferências do usuário User preferences CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO [CNPQ] Recuperação da informação Redes sociais evolucionárias Temporal networks Computação Redes sociais - Análise Evolutionary network analysis Análise de redes sociais |
| Zdroj: | Repositório Institucional da UFU Universidade Federal de Uberlândia (UFU) instacron:UFU |
| Popis: | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Modelar as preferências e necessidades dos usuários é uma das tarefas de personalização mais importantes no domínio de recuperação de informações. Tais preferências são muito dinâmicas, já que os usuários tendem a explorar uma ampla variedade de itens e a modificar seus gostos de acordo com o tempo. Além disso, a todo momento, os usuários se deparam com opiniões dos outros e sofrem influência social. Em nossa pesquisa, investigamos a interação entre preferências do usuário e redes sociais ao longo do tempo. Definimos o que são dinâmicas de preferência do usuário e propusemos um modelo de preferência temporal capaz de descrever como as preferências do usuário evoluem ao longo do tempo por meio de alterações em seus perfis. Como solução para o problema, primeiro investigamos as redes temporais. Ao modelar uma amostra da rede do Twitter como uma rede social temporal, percebemos como os nós evoluem em função das métricas de centralidade e quão diferente é a evolução ao considerar redes estáticas versus temporais. Em seguida, exploramos a ideia de detecção de eventos de nó com base na centralidade de redes em evolução. O objetivo foi detectar em que pontos no tempo um nó altera significativamente seu comportamento. A proposta resultante foi um modelo de mineração de eventos de nó com duas estratégias diferentes para detectar pontos de mudança. Fi- nalmente, juntamos nossas descobertas e propostas até então e realizamos uma avaliação experimental. A descoberta é que existe uma forte correlação entre eventos de mudança de preferência e eventos de nó baseados em centralidade, especialmente quando se considera redes temporais. Ao final, construímos uma solução completa para o problema de previsão de mudança de preferência, levando em consideração o uso da detecção de eventos de nós em redes em constante evolução, nas quais o tempo em que as arestas estão ativas é um elemento explícito da representação. Nosso modelo é capaz de prever mudanças nas preferências do usuário com níveis competitivos de precisão. Modeling users’ preferences and needs is one of the most important personalization tasks in information retrieval domain. User preferences are fairly dynamic, since users tend to exploit a wide range of items and modify their tastes accordingly over time. Moreover, all the time users are facing with others’ opinions and suffering social influence. In our research, we investigate the interplay of User Preferences and Social Networks over time. We define what are user preference dynamics and propose a temporal preference model able to describe how user preferences evolve over time through changes on user profiles. As problem solution, we first investigate temporal networks. By modeling a sample of Twitter network as a temporal social network we perceive how nodes evolve in function of centrality metrics and how different is the evolution when considering static vs. temporal networks. Then, we explore the idea of centrality-based node event detection in evolving networks. The goal is to detect at what points in time a node change its behavior significantly. Our proposal is a node event mining model with two different strategies for detecting change points. Finally, we join our findings and proposals so far and perform an experimental evaluation using two datasets from different domains focused on our main goal: the interplay between user preferences and social networks over time. The discovery is that there is a strong correlation between preference change events and centrality-based node events, specially when considering temporal networks. Moreover, closeness centrality is more suitable when correlating preference changes and node events than betweenness. In the end, we build a complete solution for the preference change prediction problem, taking into account the use of node events detection in continuously evolving networks where the time when edges are active are an explicit element of the representation. Our prediction model is able to forecast changes on user preferences with competitive levels of accuracy. Tese (Doutorado) |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|