ਫੇਸਬੁੱਕ ਵਿੱਚ ਇੱਕ ਸੈਰ: ਆਨਲਾਈਨ ਸੋਸ਼ਲ ਨੈੱਟਵਰਕਾਂ ਵਿੱਚ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਇਕਸਾਰ ਸੈਂਪਲਿੰਗ (Uniform Sampling)
ਸੋਸ਼ਲ ਨੈੱਟਵਰਕਾਂ ਵਿੱਚ ਭਾਰੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਹੁੰਦਾ ਹੈ। ਇਸਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਤੁਹਾਨੂੰ ਅਕਸਰ ਇਸ ਡੇਟਾ ਦੇ ਛੋਟੇ ਸੈਂਪਲ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਤਰੀਕੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਨਿਰਪੱਖਤਾ ਨਾਲ ਚੁਣਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੇ ਹਨ। ਉਹ ਅਕਸਰ ਪ੍ਰਸਿੱਧ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਹੀ ਚੁਣ ਲੈਂਦੇ ਹਨ।
ਇਹ ਪੇਪਰ ਇਕਸਾਰ ਸੈਂਪਲਿੰਗ (uniform sampling) ਲਈ ਇੱਕ ਵਿਧੀ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਇਹ ਤੁਹਾਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਪੱਖਪਾਤ ਦੇ ਸੋਸ਼ਲ ਨੈੱਟਵਰਕ ਤੋਂ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਚੁਣਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।
ਖੋਜ ਦੇ ਮੁੱਖ ਨੁਕਤੇ:
- ਮਿਆਰੀ ਸੈਂਪਲਿੰਗ ਵਿਧੀਆਂ ਉੱਚ ਡਿਗਰੀ ਵਾਲੇ ਨੋਡਾਂ (high degree nodes) ਵੱਲ ਝੁਕਾਅ ਰੱਖਦੀਆਂ ਹਨ।
- ਪੱਖਪਾਤ ਨੈੱਟਵਰਕ ਦੇ ਵਿਵਹਾਰ ਬਾਰੇ ਗਲਤ ਸਿੱਟਿਆਂ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ।
- ਇਹ ਨਵਾਂ ਤਰੀਕਾ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਹਰ ਉਪਭੋਗਤਾ ਨੂੰ ਚੁਣੇ ਜਾਣ ਦਾ ਬਰਾਬਰ ਮੌਕਾ ਮਿਲੇ।
- ਇਹ ਫੇਸਬੁੱਕ ਵਰਗੇ ਵੱਡੇ ਪੱਧਰ ਦੇ ਗ੍ਰਾਫਾਂ 'ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ।
ਬਿਹਤਰ ਐਲਗੋਰਿਦਮ (algorithms) ਬਣਾਉਣ ਲਈ ਤੁਹਾਨੂੰ ਨਿਰਪੱਖ ਡੇਟਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਵਿਧੀ ਨੈੱਟਵਰਕ ਵਿਗਿਆਨ (network science) ਦੀ ਇੱਕ ਮੁੱਖ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਦੀ ਹੈ।
ਸਰੋਤ: https://dev.to/paperium/a-walk-in-facebook-uniform-sampling-of-users-in-online-social-networks-463m
ਵਿਕਲਪਿਕ ਲਰਨਿੰਗ ਕਮਿਊਨਿਟੀ: https://t.me/GyaanSetuAi