URI | http://purl.tuc.gr/dl/dias/8D0BE8E4-0AE5-4E6B-BCC0-D5B8675EEE8E | - |
Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.101259 | - |
Γλώσσα | en | - |
Μέγεθος | 3.9 megabytes | en |
Μέγεθος | 76 pages | en |
Τίτλος | Recommendation driven opinion de-polarization in social networks | en |
Τίτλος | Μείωση πόλωσης στα κοινωνικά δίκτυα μέσω προτεινόμενου περιεχομένου | el |
Δημιουργός | Mylonas Konstantinos | en |
Δημιουργός | Μυλωνας Κωνσταντινος | el |
Συντελεστής [Επιβλέπων Καθηγητής] | Spyropoulos Thrasyvoulos | en |
Συντελεστής [Επιβλέπων Καθηγητής] | Σπυροπουλος Θρασυβουλος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Garofalakis Minos | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Γαροφαλακης Μινως | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Lagoudakis Michail | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Λαγουδακης Μιχαηλ | el |
Εκδότης | Πολυτεχνείο Κρήτης | el |
Εκδότης | Technical University of Crete | en |
Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Electrical and Computer Engineering | en |
Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
Περίληψη | The Internet has acquired its role in the everyday life of people. Social media are now the ground for political debate and exchange of opinions. Initially, we might think that this over exposure to information would lead to open-minded, inclusive societies with less polarized members. However, there is a significant amount of work that suggests the opposite. People tend to organise into groups and communities that share common beliefs and interact with each other. Such communities are known as echo chambers. This phenomenon is known as homophily and has been studied for years by sociologists. Inside an echo chamber environment, the pre-existing beliefs of individuals are reinforced and the overall polarisation in the social network increases, which have negative impact to our society. In order to de-polarise the network, one can try to convince a small set of network members (users) to adopt more moderate positions around a topic. However, choosing a proper set of users is not an easy task, especially in the modern social networks that consist of billions of users. Should we focus on users with extreme opinions, but few connections? Or should we focus on less extreme, but famous, users, hoping that their neutral views will eventually reach and affect a larger fraction of the overall network? In this diploma thesis, we propose an efficient algorithm to choose a set of users from a network, such that when their opinions are moderated the overall polarisation of the network is reduced significantly, based on the famous Friedkin and Johnsen opinion formation model. We use Graph Neural Networks - specifically a Graph Convolutional Network - in order to create an algorithm able to work with large graphs. We compare our algorithm with a greedy algorithm, named GreedyExt, which has been proposed in the past. Our results show that our algorithm is much faster than GreedyExt and achieves similar performance in terms of depolarisation. We evaluate our algorithm in both synthetic and real graphs with ground truth communities. | en |
Περίληψη | Το διαδίκτυο έχει αποκτήσει πλέον τον ρόλο του στη καθημερινότητα των ανθρώπων. Μέσω αυτού γίνεται δυνατή η πρόσβαση στην πληροφορία ανεξάρτητα από την ώρα και το μέρος όπου βρίσκεται ο καθένας. Αρχικά θα σκεφτόταν κανείς πως αυτή η εύκολη πρόσβαση στην πληροφορία δημιουργεί κοινωνίες πιο φιλικές και ανοιχτές στις διαφορετικές απόψεις. Ωστόσο, υπάρχει αρκετή έρευνα που συνιστά το ακριβώς αντίθετο. Οι άνθρωποι τείνουν να οργανώνονται σε κοινωνικές ομάδες που μοιράζονται τις ίδιες απόψεις. Το φαινόμενο αυτό είναι γνωστό ως ομοφιλία και έχει μελετηθεί πολύ από κοινωνιολόγους. Αποτέλεσμα αυτής της οργάνωσης σε ομάδες είναι οι χρήστες των μέσων κοινωνικής δικτύωσης να μην εκτίθενται σε διαφορετικές απόψεις καθώς αλληλοεπιδρούν συνεχώς με χρήστες και περιεχόμενο της ομάδας τους. Με τον τρόπο αυτό ενισχύονται οι ήδη υπάρχουσες αντιλήψεις και αυξάνεται η συνολική πόλωση του δικτύου. Δεδομένων των προβλημάτων που δημιουργούνται στην κοινωνία μέσω αυτού του φαινομένου, κρίνεται αναγκαία η λήψη μέτρων για την μείωση της πόλωσης στα κοινωνικά δίκτυα. Ο μεγάλος όγκος χρηστών καθιστά το πρόβλημα μείωσης της πόλωσης δύσκολο. Σε αυτή τη διπλωματική, θα προτείνουμε έναν αποδοτικό αλγόριθμο για να βοηθήσει στην επιλογή και στόχευση των κατάλληλων χρηστών ώστε να μειωθεί η συνολική πόλωση του δικτύου, με βάση ένα διάσημο μοντέλο σχηματισμού απόψεων σε κοινωνικά σύνολα. | el |
Τύπος | Διπλωματική Εργασία | el |
Τύπος | Diploma Work | en |
Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
Ημερομηνία | 2024-10-10 | - |
Ημερομηνία Δημοσίευσης | 2024 | - |
Θεματική Κατηγορία | Echo chamber | en |
Θεματική Κατηγορία | Graph neural network | en |
Θεματική Κατηγορία | Polarisation | en |
Θεματική Κατηγορία | Social networks | en |
Βιβλιογραφική Αναφορά | Konstantinos Mylonas, "Recommendation driven opinion de-polarization in social networks", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2024 | en |
Βιβλιογραφική Αναφορά | Κωνσταντίνος Μυλωνάς, "Μείωση πόλωσης στα κοινωνικά δίκτυα μέσω προτεινόμενου περιεχομένου", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2024 | el |