Social media are tools and platform

个性信息是在商业舞台上巨大的价值。和作业除了促销行为，人格信息已经在教育学（;亚历山德拉和奥康纳，1998年Rosenberg和Silvert，2012男爵和Wagele，1995）研究（Blignaut和诺德，2008），人际交往中使用性能。在未来，可用于自适应系统，电子商务，和推荐系统的建设个性化的信息。这种广泛的应用，其根本原因是性格决定的人受外部环境的态度和反应。有许多类型的个性车型，并针对不同的应用评估。传统上，一个主题的个性特征通过使用一个问卷或由专家提出的意见进行评估。如果企业需要获得大量的现有或潜在客户的个性相关的信息，这样的做法显然是低效和不切实际的。因此，有必要开发一种自动获取这样的信息的方法。幸运的是，社交媒体在近几年兴起提供了许多机会来解决这个问题，因为网上平台，如Facebook（Ross等，2009）和Twitter提供的虚拟空间，用户可以揭示他们的态度细节（Golbeck等。，2011），并与他人互动。因此，可以使用这样的位点，以获得有用的信息，从该特定人格特质可以推断。先前的一些研究（Golbeck等，2011;阿达利和Golbeck，2012;阿达利等，2012; Bai等，2012;摩尔和麦克罗伊，2012;塞德曼，2013; Ortigosa等，2014）haveshownthatauser'spersonalityscoreisrelatedtothedatarecordedaboutthemon社交媒体。早先的研究还表明，一个人的行为可以揭示他们的个性。然而，这些以前的作品没有进行个性化和用户与他人的互动关系，它可以提供与传统评估关键线索的仔细检查。这项研究的目标是开发一种自动预测网络用户从Facebook，目前最流行的社交网站和媒体网站的个性化的方法（Ross等，2009）。这项研究有一些特殊的限制。由于Facebook是这项研究的数据源，笔者曾通过Facebook的API（FB API）来获取相关数据。然而，通过FB API访问的数据类型是非常有限的。例如，交互日志不能经由FB API来获得。因此，一个单独的程序被提供给实验的参与者以允许它们半手动提供相关数据。

个性信息在商业领域具有很大的价值。除了促销行为外，人格信息还被用于教育学研究（布莱格瑙特和瑙德，2008年），人际关系（男爵和瓦格尔，1995年;亚历山德拉和奥康纳，1998年;罗森博格和西尔弗特，2012年），以及工作表现。将来，人格信息可用于自适应系统、电子商务和推荐系统的构建。如此广泛的应用的根本原因是个性决定着人们对外部环境的态度和反应。对于不同的应用，有许多类型的个性模型和评估。传统上，受试者的个性是使用问卷或专家的观察结果来评估的。如果企业需要从大量现有或潜在客户那里获得与个性相关的信息，则这些方法显然效率低下且不切实际。因此，有必要开发一种自动获取此类信息的方法。幸运的是，近年来社交媒体的兴起为解决这一问题提供了许多机会，因为Facebook（Ross等人，2009年）和Twitter等在线平台提供了空间，用户可以在其中透露他们的态度细节（Golbeck等）al.，2011）和与他人的互动。因此，可以使用这些网站来获得有用的信息，从中可以推断出某些个性特征。以前的一些研究（Golbeck等人，2011年;阿达利和戈尔贝克，2012年;Adali等人，2012年;Bai等人，2012年;摩尔和麦克罗伊，2012年;塞德曼， 2013;Ortigosa等人，2014年）已经显示，该用户的个性得分与社交媒体上所记录的数据有关。早先的研究还表明，一个人的行为可以揭示他们的个性。然而，这些以前的工作并没有对个性与用户与他人的互动之间的关系进行仔细研究，这可以在传统评估中提供关键线索。这项研究的目的是开发一种自动预测Facebook网络用户个性的方法，Facebook目前是最流行的社交网络和媒体网站（Ross等人，2009年）。这项研究有一些具体的局限性。由于 Facebook 是此研究的数据源，作者必须通过 Facebook 的 API （FB API） 获取相关数据。但是，通过 FB API 访问的数据类型非常有限。例如，无法通过 FB API 获取交互日志。因此，为实验参与者提供了一个单独的程序，使他们能够半手动提供相关数据。

个性信息在商业领域具有重要价值。除了促销行为，人格信息还被用于教育学（Blignaut and Naude，2008）、人际关系（Baron and Wagele，1995；Alessandra and O'Connor，1998；Rosenberg and Silvert，2012）和工作绩效的研究。在未来，个性信息可能被用于构建适应性系统、电子商务和推荐系统。如此广泛应用的根本原因是个性决定了人们对外部环境的态度和反应。针对不同的应用，有许多类型的人格模型和评估。传统上，受试者的个性是通过问卷或专家的观察来评估的。如果一个企业需要从大量现有或潜在客户获得个性化相关信息，这些方法显然是低效的和不切实际的。因此，有必要开发一种自动获取此类信息的方法。幸运的是，近年来社交媒体的兴起为解决这一问题提供了许多机会，因为Facebook（Ross等人，2009年）和Twitter等在线平台提供了空间，用户可以在其中透露自己态度的细节（Golbeck等人，2011年）以及与他人的互动。因此，有可能利用这些网站获得有用的信息，从中可以推断出某些人格特征。一些先前的研究（Golbeck等人，2011年；Adali和Golbeck，2012年；Adali等人，2012年；Bai等人，2012年；Moore和McElroy，2012年；Seidman，2013年；Ortigosa等人，2014年）显示了用户的个人得分与社交媒体上的数据顺序相关。早期的一项研究也表明，一个人的行为可以揭示他的个性。然而，这些先前的研究并没有对个性与用户与他人互动之间的关系进行仔细的研究，这在传统的评估中可以提供关键的线索。这项研究的目标是开发一种自动预测Facebook（目前最流行的社交网络和媒体网站）网络用户个性的方法（Ross等人，2009）。本研究具有一定的局限性。由于Facebook是本研究的数据源，作者不得不通过Facebook的API（fbapi）获取相关数据。但是，通过FB API访问的数据类型非常有限。例如，无法通过FB API获取交互日志。因此，一个单独的程序被提供给实验参与者，让他们半手工地提供相关数据。<br>