30840

بهينه سازي انتشار تأثير در شبكه هاي اجتماعي با توجه به پايائي و زمان انتشار

دكتري تخصصي (PhD)

مهندسي صنايع- سيستم‌هاي اقتصادي و اجتماعي

1396

1402/12/15

محمد فتحيان

بابك اميري

مهندسي صنايع

برخي از اعضاي يك جامعه يا انجمن كه تصميمات آنها امكان بالايي براي ترغيب ديگران در پذيرش آن تصميمات فراهم مي‌نمايند، فرصتي براي مديريت اصلاح نگرش جامعه نسبت به يك ترجيح خاص فراهم مي‌كنند. يافتن چنين اعضايي چالش برانگيزترين جنبه هر كمپين تبليغاتي است. در اصل چنين اعضايي را مي‌توان مؤثرين آن جامعه دانست. از طرفي وقتي صحبت از شناسايي مؤثرين مي‌شود، علم شبكه يك رشته علمي جذاب است. مدل‌سازي يك جامعه بوسيله شبكه‌اي از روابط، محققان شبكه را قادر مي‌سازد تا به اين چالش بپردازند. رويكرد سنتي، عبارت از تعريف معيارهاي سطح كنشگر در شبكه و شناسايي مؤثرين از طريق رتبه بندي كنشگران در معيارهاي تعريف شده است‌. اساساً اين رويكرد ايستا، از چگونگي تأثير كنشگران برجسته شبكه بر ديگران غافل است. رويكرد مدرن در شناسائي مؤثرين، در قالب تعريف مسأله تأثير بيشينه اجتماعي است. اين رويكرد دربرگيرنده پويايي انتشار در سراسر يك شبكه اجتماعي از طريق يك مدل انتشار است، كه تحت آن مؤثرين، پذيرش يك عمل يا ايده خاص را در بالاترين سطح ممكن در يك شبكه اجتماعي تسهيل مي‌كنند. با وجود استقبال گسترده محققين از رويكرد فوق و ارائه مشاركت‌هاي متنوع و جذاب در اين زمينه، بخصوص توسعه الگوريتم‌هاي مختلف، توجه كمي به مقوله عدم قطعيت و مشخصاً قابليت اطمينان، و زمان انتشار شده‌است. بعبارت بهتر پديده انتشار در رويكرد فوق متضمن گستره تأثير تصادفي است كه تغييرات آن در شناسائي مؤثرين كمتر بررسي شده‌است. بعلاوه زمان انتشار بعنوان يك متغير تصادفي منعكس كننده تعداد دوره‌هاي متمايز و متوالي انتشار تأثير تا همگرايي، در مشاركتهاي الگوريتمي كمتر مورد توجه بوده‌است. لذا پاسخ‌هاي جايگزين پاسخ الگوريتمهاي كلاسيك مسأله تأثير بيشينه، كه واجد ملاحظات عدم قطعيت و زمان انتشار باشند در اين رساله مورد بررسي و مطالعه قرار گرفته‌اند.

1403/02/22

Social Influence Maximization Considering Reliability and Propagation Time

3/5/2025 12:00:00 AM

Members of a community or society whose decisions can motivate others to embrace that decision in that society broadly provide a manageable opportunity to modify society's attitudes toward a particular preference. Finding such members is the most challenging aspect of any advertising campaign. On the other hand, when it comes to identifying influencers, network science is an attractive scientific discipline. Modeling a society in terms of networks of relations enables network researchers to address this challenge. The traditional approach is to construct actor-level metrics in the network and identify prominent actors based on their positions in those metrics. This static approach is oblivious to how the network's prominent actors affect the others. A modern approach to the formulation of social influence maximization (SIM) problems entails propagation dynamics throughout a social network via a diffusion model, under which influencers facilitate the embrace of a particular action or idea at the highest level possible across a social network. In light of this approach, numerous algorithmic contributions were proposed by researchers with no regard to the diversity of the activated set among several cases of realization. Moreover, no consideration was devoted to propagation time in these algorithmic improvements. Specifically, these improvements pay no regard to reducing the variance of the IS/ the propagation time. In essence, in the above approach, the influence spread (IS) is a random variable whose changes have been less studied in algorithmic contributions for influencer detection. Furthermore, propagation time, as a random variable reflecting the number of distinct and sequential rounds of the diffusion process until convergence, has been less addressed in algorithmic contributions. In this thesis, alternative solutions with consideration of the propagation time and the variance of the IS for social influence maximization compared to the solution of the classical algorithm are investigated and studied.

تأثير بيشينه اجتماعي , مؤثرين , مدل انتشار , عدم قطعيت , زمان انتشار

Social Influence Maximization , Influencers , Diffusion model , uncertainty , propagation time

Saeed Nasehi Moghaddam

Dr. Fathiyan