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==
* 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 исходя из нужд конкретных задач.
*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.
==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]]
