Предсказание атрибутов профиля пользователя социальной сети путем анализа сообществ графа его ближайшего окружения

7 / 11

В.О. Чесноков
72 ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2017. № 2
Для выборок, содержащих только предсказываемые атрибуты, значения
меры 1 F для всех подходов значительно выше. Предложенный алгоритм дает
один из наилучших результатов для набора данных из сети Facebook и суще-
ственно превосходит другие подходы на выборках из сетей Twitter и ВКонтакте.
При этом полученные значения меры 1 F довольно близки к единице.
Если сфокусироваться на отдельных атрибутах (табл. 4), то предложенный
алгоритм показывает результаты, очень близкие к единице. Таким образом,
данный алгоритм может быть использован для предсказания профилей с очень
высокой точностью.
Таблица 4
Результаты предсказания некоторых атрибутов профилей с использованием только
предсказываемых атрибутов
Социальная
сеть Атрибут
Среднее значение
меры 1 F точности полноты
Facebook
Образовательное
учреждение 0,902 0,967 0,875
Родной город 1,000 1,000 1,000
ВКонтакте
Средняя школа 0,919 0,910 0,973
Факультет (кафедра) 0,994 0,995 0,996
Место работы 0,994 0,997 0,994
Заключение. В настоящей работе был предложен метод предсказания атрибу-
тов профиля пользователя социальной сети. Разработанный метод использует как
информацию о связях пользователя, так и сведения о его атрибутах. Он превосхо-
дит другие методы по мере 1 F на выборках из трех социальных сетей и позволяет
предсказывать некоторые атрибуты профиля с точностью, близкой к единице.
Предложенный подход может быть использован для раскрытия личности
анонимных пользователей онлайновых социальных сетей. Например, если
пользователь имеет связи с другими пользователями, но при этом не указал о
себе никаких данных, в том числе ни имени, ни фотографии, то он считает, что
его личность не может быть раскрыта. Однако с использованием предложенно-
го алгоритма некоторые его атрибуты могут быть предсказаны с высокой точ-
ностью по связям в социальной сети. Очевидно, что большинство людей имеют
уникальную комбинацию этих атрибутов. Используя предсказанный профиль и
вспомогательные источники данных такие, как списки учащихся в образова-
тельном учреждении или телефонный справочник, аналитик может раскрыть
личность пользователя с высокой точностью.
ЛИТЕРАТУРА
1. Davis C.A.J., Pappa G.L., de Oliveira D.R.R., de Zima А.F. Inferring the location of twitter
messages based on user relationships // T. GIS. 2011. Vol. 15. No. 6. P. 735–751.
DOI: 10.1111/j.1467-9671.2011.01297.x
URL: