Mathematical model of causal inference in social networks

Abstract

In this article, we model the effects of machine learning algorithms on different Social Network users by using a causal inference framework, making estimation about the underlying system and design systems to control underlying latent unobservable system. In this case, the latent internal state of the system can be a wide range of interest of user. For example, it can be a user's preferences for some certain products or affiliation of the user to some political parties. We represent these variables using state space model. In this model, the internal state of the system, e.g. the preferences or affiliations of the user is observed using user's connections with the Social Networks such as Facebook status updates, shares, comments, blogs, tweets etc./ Öz: Bu makalede makine öğrenmesi algoritmalarının sosyal medya esas gözlemlenemeyen durumun değiştirilmesi için gerekli algoritmalar dizayn ettik. Burada sistemin gizli iç durumu bir kişinin bir ürüne olan bağlılığını ya da siyasi parti bağlılık- larını temsil edebilir. Biz sistemin bu gizli iç durumunu durum uzay modeli kullanarak modelledik. Bu modellemede sistemin iç durumunu sosyal medya kullanıcısının tercih ya da bağlılık- larını, Facebook durum güncellemeleri, paylaşımları, yorumları, blogları ve tweet’lerini kullanarak elde ettik. Esas sistem tüketici tercihlerinden siyasi parti tercihlerine birçok alanda kullanılabilmesine rağmen biz sosyal medya kullanıcılarının tercihlerini modellemekle ilgileneceğiz.