2010年第三季度 swMATH ID: 10683 软件作者： 阿尔瓦罗州奥尔蒂戈萨；罗莎·M·卡罗。；何塞·伊格纳西奥·奎罗加 描述： 通过挖掘脸书中的社交互动来预测用户个性。自适应应用程序可能会受益于用户个性模型，从而相应地调整其行为。这在许多领域都是有用的，例如辅助技术、电子学习、电子商务、医疗保健或推荐系统等。获得用户个性最常用的程序是要求用户填写问卷。然而，一方面，在不影响所构建模型的可靠性的情况下，尽可能不引人注目地获得用户个性是可取的。另一方面，我们的假设是，具有相似个性的用户在通过虚拟社交网络进行交互时，预期会显示出共同的行为模式，并且可以挖掘这些模式以预测用户个性的趋势。为了从社交网络中的用户交互分析中推断出个性，我们开发了TP2010，一个Facebook应用程序。它已被用于收集20000多名用户的性格特征信息，以及他们在Facebook内的互动。基于所有收集的数据，使用不同的机器学习技术训练自动分类器，目的是寻找能够提供用户个性特征信息的交互模式。这些分类器能够从与用户交互相关的参数开始预测用户个性，例如朋友数量或墙贴子数量。结果表明，分类器具有较高的准确性，使得该方法成为预测用户个性的可靠方法 主页： http://www.sciencedirect.com/science/article/pii/S002200001300072X 关键词： 社交网络中的数据挖掘;用户建模;人格推断 相关软件： KQML公司;第4.5条;R（右） 引用于： 0个文档