𝗔 𝗪𝗮𝗻𝗱𝗲𝗹𝗶𝗻𝗴 𝗱𝗼𝗼𝗿 𝗙𝗮𝗰𝗲𝗯𝗼𝗼𝗸: 𝗨𝗻𝗶𝗳𝗼𝗿𝗺𝗲 𝘀𝗮𝗺𝗽𝗹𝗶𝗻𝗴 𝘃𝗮𝗻 𝗴𝗲𝗯𝗿𝘂𝗶𝗸𝗲𝗿𝘀 𝗶𝗻 𝗼𝗻𝗹𝗶𝗻𝗲 𝘀𝗼𝗰𝗶𝗮𝗹𝗲 𝗻𝗲𝘁𝘄𝗲𝗿𝗸𝘀
Sociale netwerken bevatten enorme hoeveelheden data. Om deze te bestuderen, heb je vaak kleine steekproeven van deze gegevens nodig. De meeste methoden slagen er niet in om gebruikers op een eerlijke manier te selecteren. Ze kiezen te vaak populaire gebruikers.
Dit artikel presenteert een methode voor uniforme sampling. Het helpt je om gebruikers uit een sociaal netwerk te selecteren zonder bias.
Belangrijkste punten uit het onderzoek:
- Standaard sampling-methoden bevoordelen nodes met een hoge graad.
- Bias leidt tot verkeerde conclusies over het gedrag van het netwerk.
- Deze nieuwe aanpak zorgt ervoor dat elke gebruiker een gelijke kans heeft om geselecteerd te worden.
- Het werkt op grootschalige grafen zoals Facebook.
Je hebt onbevooroordeelde data nodig om betere algoritmen te bouwen. Deze methode lost een kernprobleem in de netwerkwetenschap op.
Bron: https://dev.to/paperium/a-walk-in-facebook-uniform-sampling-of-users-in-online-social-networks-463m
Optionele leercommunity: https://t.me/GyaanSetuAi