عنوان پایان‌نامه
دسته بندی شخصیتی کاربران فیس بوک براساس ساختار ارتباطی ویژگی های فردی رفتار کاربر
- رشته تحصیلی
- مهندسی کامپیوتر -نرم افزار
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2914;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74144
- تاریخ دفاع
- ۰۳ شهریور ۱۳۹۴
- دانشجو
- سیدمرتضی قوامی
- استاد راهنما
- مسعود اسدپور
- چکیده
- شخصیت یکی از عوامل موثر بر رفتار افراد است. شخصیت افراد تغییر بسیار محدودی دارد و عموما در یک بازه زمانی، پایدار و قابل سنجش است. از همین رو شناخت شخصیت افراد کمک می‌کند رفتار یک فرد را در موقعیت‌های مختلف و در مواجهه با محرک‌های مختلف پیش‌بینی نمود. یکی از شناخته‌ترین مدل‌های شخصیتی، مدل «پنج عامل بزرگ» است که شخصیت را مشتمل بر پنج عامل برونگرایی، روان نژندی، گشودگی نسبت به تجربه، توافق پذیری و وظیفه‌شناسی بیان می‌کند. امروزه بسیاری از افراد به صورت روزانه از شبکه‌های اجتماعی استفاده می‌کنند و این شبکه‌ها فرصت مناسبی را برای مطالعه افراد مهیا کرده است. در این پایان‌نامه به امکان‌سنجی مدل‌سازی شخصیتی کاربران فارسی‌زبان در شبکه اجتماعی فیسبوک از روی داده‌های عمومی پروفایل کاربران پرداخته شده است. بدین منظور از تحلیل همبستگی برای بررسی رابطه بین ویژگی‌های استخراج‌شده و پنج عامل بزرگ شخصیتی استفاده شده است. همچنین از این ویژگی‌ها برای ساخت طبقهبندهای مختلف به منظور تشخیص عامل‌های شخصیتی افراد استفاده شده است. نتایج به‌دست آمده نشان می‌دهد با توجه به ویژگی‌های استخراج شده، طبقهبندهای مختلف برای عامل گشودگی نسبت به تجربه دارای بهترین دقت بوده‌اند و در مقابل طبقهبندهای عامل برونگرایی کمترین دقت‌ها را داشته‌اند. همچنین نشان داده شده است که برچسب گذاری موضوعی و احساسات پست‌های کاربران کمک چندانی به بالابردن دقت طبقهبندهای ایجاد شده نمی‌کند. از همین‌رو می‌توان به ویژگی‌های خودکار استخراج شده اکتفا نمود. واژه‌های کلیدی: شخصیت شناسی، مدل پنج عاملی شخصیت، شبکه‌های اجتماعی، فیسبوک
- Abstract
- Personality is one of the factors affecting the behavior of individuals. Limited changes of personality in a long period of time makes it consistent and measurable. Therefore, understanding the personality of individuals helps to predict person's behavior in different situations and in the face of different stimuli. One of the most prominent personality models is "Big Five Factor" which says individual's personality consists of five factors: extraversion, neuroticism, openness, agreeableness and conscientiousness. Nowadays, many people use social networks on a daily basis and these networks provide a good opportunity to study individuals. In this thesis, by extracting different features from public profile of Persian-speaking users in Facebook, feasibility of personality modeling is discussed. For this purpose, correlation analysis is used in order to examine the relationship among the extracted features and personality traits. These features were employed in different classifiers to detect five personality traits. The results show that accuracy of openness classifiers outperform other trait’s classifiers and on the contrary, extraversion classifiers have the lowest accuracies. These results shows that topic and sentiment tagging of user’s posts does not have significant effect on classifiers’ accuracy. Therefore only automatically extracted features could be considered in order to build classifiers. Keywords: Personality Detection, Big Five Factor, Social Networks, Facebook
