22095

بهينه سازي تاثير در شبكه‌هاي اجتماعي با استفاده از ميانگين تاثير گره‌هاي شبكه

كارشناسي ارشد

مهندسي فناوري اطلاعات (IT) - تجارت الكترونيكي

1398/9/27

دكتر بابك اميري

دكتر مهدي غضنفري

صنايع

يكي از مهم‌ترين مسائل در حوزه شبكه هاي اجتماعي ارزيابي روش‌ها و الگوريتم¬هاي انتشار اطلاعات است. شبكه‌هاي اجتماعي انواع مختلف دارد. از شبكه هاي كوچك خانوادگي تا شبكه هاي اجتماعي بسيار بزرگ كه به صدها ميليون كاربر در سراسر جهان امكان توليد و استفاده از محتوا را مي‌دهند. اين مسئله باعث شده كه در سال هاي اخير محققان اين حوزه علاقه ي زيادي براي درك و فهم، پيش بيني، و مدل سازي شبكه هاي اجتماعي نشان دهند. چرا كه امروزه اكثر رويداد ها ، ارتباطات، علاقه مندي ها و ... در بستر شبكه هاي اجتماعي اتفاق مي‌افتد. يكي از پرسش¬هاي اصلي در حوزه انتشار اطلاعات اين است كه چه تعداد وكدام اعضاي شبكه نقش مهمي را در فرآيند انتشار اطلاعات دارند؟ در واقع مسئله اين است كه كدام زير مجموعه از گره‌هاي تاثيرگذار يك شبكه بيشترين كمك را به انتشار اطلاعات خواهند كرد. براي نمونه يك شركت در ابتدا تعداد كمي از افراد تأثيرگذار در شبكه را با دادن نمونه محصول رايگان مورد هدف قرار مي‌دهد و اميدوار است كه كاربران در ابتدا انتخاب كالا را به دوستان خود توصيه خواهند كرد، دوستانشان نيز دوستان خود را تحت تأثير قرار خواهند داد و اين فرآيند ادامه پيدا خواهد كرد. بسياري از افراد به‌اين‌ترتيب يعني از طريق بازاريابي دهان‌به‌دهان اقدام به خريد كالا يا خدمت مي‌كنند. موضوعي كه در اين رساله به آن پرداخته شده، ميانگين تاثير افراد انتخاب شده به عنوان يك شاخص براي سنجش پاسخ بهينه براي مسئله تعداد گره هاي تاثير گذار يك شبكه است. تاثير ميانگين به عنوان يك شاخص به عنوان يك شمشير دولبه در ارزيابي تعداد بهينه در مسئله تاثيرگذاري بيشينه در شبكه عمل مي كند. از يك طرف افزايش تعداد گره ها به افزايش ميزان تاثير كمك خواهد كرد و از طرفي ميانگين را پايين خواهد آورد. لذا اين مسئله باعث ميشود كه در مجموع تعداد گره هاي انتخاب شده جهت تاثيرگذاري در شبكه از يك ميزاني بيشتر نشود. در اين رساله جهت سنجش ادعاي مورد نظر، با تغييراتي در كليت الگوريتم بهينه سازي ازدحام ذرات (PSO) الگوريتم جديدي ارائه شده است. كه نتايج به دست آمده از آن در مقايسه با الگوريتم دو هدفه PSO نشان دهنده اين است كه تعداد به دست آمده از الگوريتم مبتني بر تاثير ميانگين قابل اتكا بوده و تاثير ميانگين مي تواند به عنوان يك شاخص در انتشار اطلاعات در شبكه هاي اجتماعي استفاده گردد.

1399/04/23

Influence optimization in social networks Using the average effect of network nodes

12/18/2019 12:00:00 AM

One of the most important issues in social networks is evaluation of information diffusion methods and algorithms. Social networks have different types. From small family networks to very large social networks that allow hundreds of millions of users worldwide to produce and use content. For this reason, researchers in recent years have paid much attention to understanding, predicting, and modeling social networks. Because today most of the events, communications, interests, and so on are happening on social networks. One of the important questions in information diffusion is how many and which members of the network play an important role in the information diffusion process? The problem is that which subset of influential nodes in a network will be most helpful in diffusion information. For example, a company initially targets a small number of influencers on the network by giving them a free product sample and hopes that users will first recommend the product to their friends, and their friends will also influence their friends. And the process will continue. Many people buy or sell goods through word of mouth marketing. The topic dealt with in this thesis is the average influence of the individuals selected as an indicator to measure the optimal response to the problem of the number of nodes affecting a network. The average impact acts as an indicator as a two-dimensional factor in evaluating the optimal number in the problem of maximum impact on the network. On the one hand, an increase in the number of nodes will help increase the impact and lower the average. This causes the total number of nodes selected to influence the network to be no more than Specified number. In this thesis, a new algorithm is presented to evaluate the claim, with changes in the overall particle swarm optimization (PSO) algorithm. The results obtained from the two-objective PSO algorithm show that the number obtained from the algorithm is based on the mean impact reliability and the mean impact can be used as an indicator of information diffusion on social networks.