1632
правки
Изменения
м
rollbackEdits.php mass rollback
Правовые и морально-этические аспекты сбора и использования персональных данных в рамках данного обзора рассматриваться не будут.
==Задачи анализа социальных сетей==
Анализ социальных сетей представляет из себя ряд отдельных задач, выполняющихся поэтапно.* Сбор Задача сбора данных.**Анкетные данныеАнкетных данных.**АдресаАдресов.**ИнтересыИнтересов.* Анализ Задача анализа достоверности данных.* Индексация Задача индексации данных.* Классификация Задача классификации данных.* Предсказания Задача предсказания поведения пользователей.
==Общая информация==
* IP-адреса.
* Геолокация.
* Характеристика устройства и т.д.
Кроме того, важно зафиксировать кто является друзьями и подписчиками пользователя и на кого пользователь сам подписан.
Анализируются:
Могут быть использованы существующие базы персональных данных реальных людей: базы паспортов; фотографий; прописок; автовладельцев; налоговых; имущественных.
В свете появления новых технологий [[Сиамская нейронная сеть |поиска людей по их изображениям]], перспективным является анализ достоверности фотографии, представленной пользователем.
Достоверность фотографии может быть подтверждена путем сравнения ее с лицами, представленными на других фотографиях и видеозаписях аккаунта. Также осуществляется поиск по фотографиям и видеозаписям, выложенным в аккаунтах друзей. Поиск точной копии фотографий в интернете может помочь избежать фейков, либо найти другие аккаунты этого же пользователя.
Собранные таким образом характеристики пользователей вполне пригодны для выбора целевых аудиторий для эффективного продвижения рекламы и коммерческих предложений.
Эта технология хоть и использует сейчас современные компьютерные методы сбора и обработки данных является по сути классическим "пещерным" маркетингом.
Количество собираемых данных может быть расширено за счет анализа реакции клиентов на обращения к тем или иным темам. Например, относительное количество кликов на показанную пользователю рекламу и т.д. Это может несколько увеличить эффективность взаимодействия с пользователем.
<br>Принципиально новый подход к взаимодействию с пользователем возможен благодаря использованию более широкого анализа характеристик его личности.
Фундаментальную теорию такого анализа можно почерпнуть из смежных наук, таких как классическая и современная психология.
* Открытости опыту (интеллект), (противоположность - замкнутость и закрытость к коммуникации и опыту).
Значение личностных моделей во многом определяется их способностью предсказывать поведение индивида. Существует много исследований на эту тему. В частности, [https://www.researchgate.net/profile/William_Ickes/publication/26852443_Big_Five_predictors_of_behavior_and_perceptions_in_initial_dyadic_interactions_Personality_similarity_helps_extraverts_and_introverts_but_hurts_disagreeables/links/00b7d5201204a3465c000000/Big-Five-predictors-of-behavior-and-perceptions-in-initial-dyadic-interactions-Personality-similarity-helps-extraverts-and-introverts-but-hurts-disagreeables.pdf Cuperman and Ickes (2009) ] изучали поведенческие корреляты Большой пятёрки в контексте межличностного взаимодействия участников исследования. Было показано, что Большая пятёрка может предсказывать не только определённые формы поведения, но и реакции партнёра по общению. Например, было обнаружено, что с увеличением нейротизма возрастает число взглядов партнёра на такого человека. Cuperman and Ickes (2009) также показали, что личностные черты партнёров в диаде могут взаимодействовать между собой. Например, было показано, что удовлетворённость от общения зависит от степени экстраверсии (интроверсии) партнёров таким образом, что она возрастает по мере сходства партнёров по этому параметру. <br>Методами машинного обучения можно выявить дополнительные закономерности для моделей Большой пятерки уже непосредственно связанные с нашими конкретными задачами и интересамиисходя из нужд конкретных задач.
==Связь показателей Большой пятерки с характеристиками из социальных сетей==
* Положительные конструкции предложений, без частицы «не».
* Слова с коннотациями возможности (могу, можно, возможно), желания (хочу), намерения (намереваюсь), способности (способен).
* Сравнительные степени без негативных сравнений «лучше», «больше», «громче», «быстрее», «значительнее» и др.. * Положительные формулировки и номинализации (решение, задача, умение и пр.). * Глаголы с положительной окраской (получить, решить, создать, добавить, изучить и пр.).
* Негативные конструкции предложений с частицей «не». – слова с коннотациями необходимости (нужно – не нужно), долженствования (должны – не должны) и обязательств (обязан – не обязан).
* Сравнительные степени с негативной коннотацией «не хуже», «не плохо», «не меньше», «незначительно».
* Проблемные формулировки и номинализации (проблема, сложность, затруднение и пр.). * Глаголы с негативной окраской (избежать, избавиться, исключить, выбросить, помешать и пр.).
* Частые ссылки на негативный опыт и прошлое время.
* Критичные высказывания и скепсис по поводу актуальных задач, планов и решений.
Характеристики:
*Небольшое число друзей.
*Значительное количество контента, связанного с агрессивностью и экстримом: бои без правил, война, насилие и пр.
*Большое количество политического контента.
*Горячие тона фотографий.
*Большое количество геотегов и чек-иннов.
*Большое количество информационного постинга (длинна поста более 300 знаков). Страница, с исключительно профессиональным контентом.
*Большое количество фотографий из семейного контекста (с семьей, с детьми и пр.).
Особенности лингвистики личного постинга:
* Слова с коннотациями необходимости (нужно – не нужно), долженствования (должны – не должны) и обязательств (обязан – не обязан).
* Конструкции с пассивным залогом и сложносочиненными предложениями («мне была предоставлена информация о том, что…», «если бы мы владели полной информацией, то решение было бы принято»).
* Перечисления («во-первых», «во-вторых», «в-третьих»), разделения (первый шаг, второй шаг и т.д.так далее) и последовательности (в начале, потом, в конце). * Причинно-следственные связи и слова-связки, указывающие на них (поэтому, следовательно, так как, исходя из, если – то и пр.).
*Большое количество геотегов и чек-иннов.
*Большое количество информационного постинга (длинна поста более 300 знаков). Страница, с исключительно профессиональным контентом.
*Большое количество фотографий из семейного контекста (с семьей, с детьми и пр.).
*Отсутствие фотографий, лайков и дополнительных сведений о пользователе
==Музыка и характер<ref>Филатов, А. В. Заметки профайлера / А. В. Филатов. -Москва: Издательские решения, 2019. -522.</ref>==
Анализ саундтреков из аккаунтов пользователей позволяет сделать выводы об их музыкальных предпочтениях. А используя наработанные коррелянты можно судить о характере пользователя.
Сформированные таким образом предварительные данные несут в себе достаточный потенциал для эффективного решения ставящихся перед нами задач воздействия на реальных людей. Это увеличивает вероятность положительного результата воздействия на сформированные кластеры пользователей, независимо от того, какой области это касается, будь то коммерческие предложения, политология, социальные опросы или социальные исследования.
Эти технологии вполне современны и активно используются в данный момент<ref>[http://farseev.azurewebsites.net/papers/ACMMM18Demo.pdf Social Multimedia Influencer Discovery Marketplace]</ref> <ref>[http://213.226.126.9/fc/2015/fc27/fc2715-2.pdf Прогнозирование кредитоспособности клиентов на основе методов машинного обучения]</ref> <ref>[https://target.my.com/pro/technologies/psychotypes Психотипы для таргетирования рекламы]</ref>.
Возможности наработок смежных гуманитарных дисциплин для воздействия на людей не ограничиваются только использованием психотипов в качестве дополнительных характеристик личности. Например, использование давно отработанной технологии: [https://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5 нейролингвистического программирования] может дать более существенные и эффективные результаты.
Правда для этого следует несколько видоизменить характер сбора и анализа данных. Помимо семантического анализа текстов пользователя предполагается проведение их частотного, лингвистического и стилистического анализа.
Следует отметить, что возможности машинного обучения значительно шире реализации описанных выше технологий.
В частности, представляется возможным осуществление недоступных ранее схем обратной связи. Рассмотрим существующую совокупность интересных нам людей, полностью удовлетворяющих нашим требованиям. Например: покупатели, купившие наш уникальный товар, избиратели, поддержавшие наше общественное движение, и т.д.
Методом машинного обучения возможен анализ активности, характерной для этих людей в социальных сетях, и выявление кластеров параметров, характерных этой совокупности людей.
При этом, найденные кластеры могут не иметь ни вербального, ни логического обоснования и вообще их количество заранее не определено. Например, вполне может выясниться, что люди купившие ваш дорогой, уникальный товар по непонятной причине одновременно интересуются рыбалкой, делают одинаковые грамматические ошибки, часто используют букву “Ж”. Это совокупное свойство не имеет названия и не может быть объяснено логически, но может помочь в поиске дополнительных клиентов. Разумеется такие гипотезы, найденные компьютером, нуждаются в проверке и в подтверждении.
==Источники Информации==
* [https://somin.ai/ somin.ai]*Филатов, А. В. Заметки профайлера / А. В. Филатов. -Москва: Издательские решения, 2019. -522.*[https://www.researchgate.net/profile/William_Ickes/publication/26852443_Big_Five_predictors_of_behavior_and_perceptions_in_initial_dyadic_interactions_Personality_similarity_helps_extraverts_and_introverts_but_hurts_disagreeables/links/00b7d5201204a3465c000000/Big-Five-predictors-of-behavior-and-perceptions-in-initial-dyadic-interactions-Personality-similarity-helps-extraverts-and-introverts-but-hurts-disagreeables.pdf Cuperman, R., & Ickes, W. (2009). Big Five predictors of behavior and perceptions in initial dyadic interactions: Personality similarity helps extraverts and introverts, but hurts «disagreeables». ''“disagreeables” //Journal of Personality personality and Social Psychology, social psychology. – 2009. – Т. 97'', . – №. 4. – С. 667{{---}}684.]
[[Категория: Машинное обучение]]
[[Категория: Анализ социальных сетей]]
