Primjena višeklasne klasifikacije za klasifikaciju prijatelja na društvenoj mreži

master's thesis

• Title (english): Applying the multiclass classification methods for the classification of online social network friends
• Author: Nikolina Sever
• Mentor: Zoran Skočir (mentor)
• Committee member: Zoran Skočir (predsjednik povjerenstva)
• Committee member: Boris Vrdoljak (član povjerenstva)
• Committee member: Damir Pintar (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2016-07-08, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Electrical Engineering

Abstract

Rad se bavi kreiranjem modela za višeklasnu klasifikaciju prijatelja na društvenoj mreži pomoću nekoliko različitih algoritama. Kreiran je model koji pomoću različitih parametara npr. broja razmijenjenih privatnih poruka, broja oznaka „sviđa mi se“, broja zajedničkih fotografija i ostalih parametara klasificira korisnike u klasu bliski prijatelj, prijatelj ili poznanik. Trenirano je i testirano više algoritama: stablo odlučivanja, slučajna šuma, metoda potpornih vektora, metoda k najbližih susjeda i naivni Bayes. Uspješnost predviđanja pojedinog algoritma mjeri se kao suma uspješnosti predviđanja za svaku klasu podijeljeno s 3 (obzirom da postoje 3 klase). Uspješnost svake klase je omjer točno predviđenih (pozitivnih i negativnih primjera) primjera i ukupnog broja primjera. Algoritam slučajne šume se pokazao kao algoritam koji daje najbolje rezultate u višeklasnoj klasifikaciji. U budućim istraživanjima, moguće bi bilo kreirati uspješniji model pronalaskom boljeg algoritma za podešavanje parametra inbox_chat.

Abstract (english)

This work is based on creating models for multiple classifications of friends on social networks through a few different algorithms. A model has been created with different parameters. For example, number of sending private messages, the number of 'likes', a number of common photograph and other parameters which classify users into a class of close friends, friend or acquaintance.
It has been tested and trained multiple algorithms of tree decision tree, random forest, support vector machine, k-nearest neighbour and naive Bayes. The prediction successfulness of an algorithm is measured as a sum of prediction successfulness of each class divided by three (there are three classes). Successfulness of each class is a ratio of accurately predicted examples and overall examples. Algorithm of random forest showed as an algorithm which gives best results in a multiple classification. In future researches it could be possible to create a more effective model of finding a better algorithm for inbox chat adjusting parameters .

• Keywords: Predikcija; klasifikacija; društvene mreže; stablo odluke; slučajna šuma; metoda potpornih vektora; metoda k-najbližih susjeda; naivni Bayes
• Keywords (english): Prediction; classification; social network; decision tree; random forest; support vector machine; k-nearest neighbours; naive Bayes
• Language: croatian
• URN:NBN: urn:nbn:hr:168:982064
• Study programme: Title: Information and Communication Technology; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2018-02-06 11:44:43