फेसबुक में एक सैर: ऑनलाइन सोशल नेटवर्क में उपयोगकर्ताओं की समान सैंपलिंग
सोशल नेटवर्क में भारी मात्रा में डेटा होता है। इसका अध्ययन करने के लिए आपको अक्सर इस डेटा के छोटे नमूनों की आवश्यकता होती है। अधिकांश विधियाँ उपयोगकर्ताओं को निष्पक्ष रूप से चुनने में विफल रहती हैं। वे लोकप्रिय उपयोगकर्ताओं को बहुत अधिक बार चुन लेती हैं।
यह शोध पत्र समान सैंपलिंग (uniform sampling) के लिए एक विधि प्रस्तुत करता है। यह आपको बिना किसी पूर्वाग्रह के सोशल नेटवर्क से उपयोगकर्ताओं को चुनने में मदद करता है।
शोध के मुख्य बिंदु:
- मानक सैंपलिंग विधियाँ 'हाई डिग्री नोड्स' (high degree nodes) का पक्ष लेती हैं।
- पूर्वाग्रह नेटवर्क के व्यवहार के बारे में गलत निष्कर्षों की ओर ले जाता है।
- यह नया दृष्टिकोण सुनिश्चित करता है कि प्रत्येक उपयोगकर्ता के चुने जाने की समान संभावना हो।
- यह फेसबुक जैसे बड़े पैमाने के ग्राफ पर काम करता है।
बेहतर एल्गोरिदम बनाने के लिए आपको निष्पक्ष डेटा की आवश्यकता होती है। यह विधि नेटवर्क विज्ञान की एक मुख्य समस्या का समाधान करती है।
स्रोत: https://dev.to/paperium/a-walk-in-facebook-uniform-sampling-of-users-in-online-social-networks-463m
वैकल्पिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi