Marie-Françoise Canut

Visualizing the Evolution of Users' Profiles from Online Social Networks

Nowadays, online social networks host more and more applications in order to provide their users with the possibility of finding everything they need on a single platform. The number and diversity of interactions that take place over time between users and applications within these platforms make these environments very good candidates for learning various types of information about users’ interests. We are particularly interested in the determination of users’ short-term and long-term interests which are essential for adaptative systems that take into account the evolution of user’s needs. While studies in adaptative systems focus on computing interests’ weight value and time periods to determine user’s short-term and long-term profile, we focus instead on temporal graphs’ visualization of users’ interests. From a case study on Facebook, we use dynamic graphs in order to view the influence of social ties on the user’s interests.

Taking into account the evolution of users social profile: Experiments on Twitter and some learned lessons

Incorporating user interests evolution over time is a crucial problem in user profiling. We particularly focus on social profiling process that uses information shared on user social network to extract his/her interests. In this work, we apply our existing time-aware social profiling method on Twitter. The aim of this study is to measure the effectiveness of our approach on this kind of social network platform, which has different characteristics from those of other social networking sites. Although the improvement compared to the time-agnostic baseline method is still low, the experiments using a parametric study showed us the benefit of applying a time-aware social profiling process on Twitter. We also found that our method performs well on sparse networks and that the information dynamic influences more the quality of our proposed time-aware method than the relationships dynamic while building the social profile on Twitter. This observation will lead us to a more complex study to find out meaningful factors to incorporate user interests evolution on social profiling process in such a network.

A Case Study on the Influence of the User Profile Enrichment on Buzz Propagation in Social Media: Experiments on Delicious

The user is the main contributor for creating information in social media. In these media, users are influenced by the information shared through thenetwork. In a social context, there are so-called “buzz”, which is a technique to make noise around an event. This technique engenders that several users will be interested in this event at a time t. A buzz is then popular information in a specific time. A buzz may be a fact (true information) or a rumour (fake, false information). We are interested in studying buzz propagation through time in the social network Delicious. Also, we study the influence of enriched user profilesthat we proposed [2] to propagate the buzz in the same social network. In this paper, we state a case study on some information of the social network Delicious. This latter contains social annotations (tags) provided by users. These tags contribute to influence the other users to follow this information or to use it. This study relies onthree main axes: 1) we focus on tags considered as buzz and analyse their propagation through time 2) we consider a user profile as the set of tags provided by him. We will use the result of our previous work on dynamic user profile enrichment in order to analyse the influence of this enrichment in the buzz propagation. 3) we analyse each enriched user profile in order to show if the enrichment approach anticipate the buzz propagation. So, we can see the interest of filtering the information in order to avoid potential rumours and then, to propose relevant results to the user (e.g. avoid “bad” recommendation).

A Parametric Study to Construct Time-Aware Social Profiles

Online social networks provide valuable information sources to collect and identify user information and user interests. This work focuses on using information shared on users’ egocentric network to extract user’s interests. We propose to apply a time-aware method into an existing social profile building process, which is one of our previous team contributions. This strategy aims at weighting user’s interests in the social profile according to their temporal relevance (temporal score). The temporal score of an interest is computed by combining the temporal score of information used to extract the interests (computed by taking into account their freshness) with the temporal score of individuals who share the information in the network (computed by taking into account the freshness of the interaction with the user). In this paper, we show results of intensive experiments conducted on scientific publication networks (DBLP/Mendeley) with presenting a parametric study, comparing the effectiveness of our technique with the time-agnostic technique. We study also the impact of the individual temporal score compared to the information temporal score. The experiments show that our proposition outperforms the existing time-agnostic egocentric network-based user profiling process in terms of precision and recall. Furthermore, we found that the individual temporal score has a larger importance than the information temporal score in calculating the final temporal score. This demonstrates that the dynamic links are more important than the dynamic information when using co-author network data to build the social profile.

De l'influence de l'enrichissement de profil utilisateur sur la propagation de buzz dans les médias sociaux. Expérimentations sur Delicious

L’utilisateur est la source principale de l’information diffusee dans les medias sociaux et mais il est, en meme temps, influence par les informations partagees sur les reseaux. Le phenomene de buzz, c’est-a-dire faire « du bruit » autour d’une information (fait ou rumeur) pour que plusieurs utilisateurs soient interesses par celle-ci simultanement, peut etre defini comme une information populaire dans un temps specifique. Notre etude porte sur l’influence de l’enrichissement dynamique de profil utilisateur (Mezghani et al., 2014) sur la propagation des buzz avec application au reseau social Delicious. Delicious contient des annotations sociales (tags) fournies par les utilisateurs et qui contribuent a influencer les autres utilisateurs afin de suivre certaines informations ou de les utiliser. Notre etude suit la methodologie suivante : 1) nous analysons la propagation des tags consideres comme des buzz dans le temps, 2) nous appliquons l’enrichissement dynamique de profil utilisateur et nous etudions l’influence de cet enrichissement dans la propagation de buzz, 3) nous analysons si l’approche d’enrichissement anticipe la propagation de buzz. Nous montrons dans cet article l’interet, lors de l’enrichissement de profil, de filtrer les informations afin de proposer des resultats pertinents a l’utilisateur et eviter de « mauvaises » recommandations.

Dérivation de profils utilisateurs à partir des réseaux sociaux. Une approche par communautés de réseaux égocentriques

Lorsqu’un utilisateur est peu ou pas actif dans un systeme d’information, son profil est peu/mal connu et les mecanismes qui s’y referent (personnalisation de contenus par exemple) sont moins efficaces. Pour ameliorer les resultats de ces mecanismes, plusieurs approches r ecentes montrent la pertinence de l’usage du reseau social de l’utilisateur comme source d’information complementaire au profil de l’utilisateur. Ces approches presentent cependant deux inconvenients majeurs : d’une part, chacune des approches reste tres specifique a son domaine d’application (et au mecanisme associe), et, d’autre part, elles exploitent de maniere unilaterale les profils des individus autour de l’utilisateur pour ameliorer ces mecanismes. Pour pallier ces inconvenients, nous proposons un modele generique et social de profil utilisateur suscep tible d’etre reutilise par plusieurs mecanismes dans differents domaines d’application, et un processus de derivation des elements du profil de l’utilisateur non pas a partir des individus autour de l’utilisateur, mais a partir des communautes autour de l’utilisateur dans une portion de son reseau social (reseau egocentrique). Une evaluation preliminaire menee dans Facebook montre l’interet de cette nouvelle approche.

Accès à l'information dans les réseaux socionumériques

L’analyse des reseaux sociaux est menee dans le domaine des sciences sociales depuis les annees 1930. Le premier enjeu pour realiser ces analyses se situe dans la collecte de l’information sur la structure de ces reseaux et sur leurs activites. Avec l’avenement du Web 2.0 et des technologies du Web semantique, plusieurs mecanismes de collecte d’information sont desormais envisageables. Cependant, tres peu d’utilisateurs sont conscients des facilites d’atteinte et de manipulation de leurs traces d’activites et de leurs donnees personnelles de plus en plus rendus publics sur les reseaux socionumeriques en particulier. Dans cet article, nous etudions les differentes approches permettant l’acces aux donnees dans les reseaux socionumeriques, en nous interessant ? dans le cas precis de Facebook ? a la qualite et la quantite de l’information accessible, et par consequent, aux risques potentiels d’atteinte et de manipulation des donnees personnelles des utilisateurs par des tiers. Une experimentation menee via l’API Facebook (sur 7 081 profils) demontre l’accessibilite a un nombre important d’informations pouvant permettre de reconstruire automatiquement le reseau reel d’un utilisateur a partir de son profil.