پديد آورنده :
رحماني منفرد، زينب
عنوان :
يادگيري نرخ نفوذ در شبكه هاي اجتماعي و كاربرد آن در حداكثر سازي نفوذ
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
هوش مصنوعي
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر
صفحه شمار :
يازده، 70ص.: مصور، جدول، نمودار
يادداشت :
ص.ع. به فارسي و انگليسي
استاد راهنما :
عبدالرضا ميرزايي
استاد مشاور :
مهران صفاياني
توصيفگر ها :
انتشار اطلاعات , عليت
تاريخ نمايه سازي :
3/2/94
استاد داور :
محمدحسين منشئي، ناصر قديري
تاريخ ورود اطلاعات :
1396/10/02
رشته تحصيلي :
برق و كامپيوتر
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
0 چكيده شبكههاي اجتماعي مجموعه اي از افراد يا گروهها و فعل و انفعاالت بين آنها هستند اين فعل و انفعاالت ميتوانند فعاليتهاي دوستي و يا روابط تجاري باشند شبكههاي اجتماعي نقش مهمي را در انتشار اطالعات و حداكثرسازي نفوذ روي كااربران ايفاا مايكنناد مساأله حداكثر سازي نفوذ پيدا كردن زيرمجموعه اي از گرههاست كه بتوانند انتشار در شبكه را بيشينه كنند بناب راين انتخاب مجموعه اولياه از كاربران براي حداكثر سازي فرآيند انتشار داراي اهميت بسيار زيادي است و هدف مورد نظر ما ا ست در اين مسأله انتشار اطالعات در گراف شبكههاي اجتماعي تحت يك مدل انتشار رخ مي دهد كه بر روي يالهاي ارتباطي ميزان تاثير و نفوذ بر روي يكاديگر در نظار گرفته مي شود در حاليكه در دنياي واقعي گراف اجتماعي افراد فاقد وزن و يا احتمال تاثير بر روي يال ارتباطي خود ميباشد ايده اصلي اين پايان نامه تخمين احتمال نفوذ بين اعضاي شبكه از روي داده واقعي به منظور حداكثر كردن ميزان انتشار در شبكه ميباشد در اين پايان نامه براي بدست آوردن ميزان نفوذ از معيار تعريف شده در تئوري اطالعات تحت عنوان انتقال اطالعات و يا آنتروپي انتقال استفاده شده است اين معيار از طريق محاسبه ميزان عل يت بين سريهاي زماني گرههاي موجود در شبكه كه از طريق زمان فعاليت آنها در شبكه حاصل مي شود احتمال نفوذ را تخمين مي زند نتايج آزمايشات نشان مي دهد ميزان انتشار در كل شبكه و همچنين مجموعاه گارههااي تاثيرگذار بدست آمده از روش پيشنهادي در مقايسه با ساير روشها متفاوت است و اشتراكي ندارد عالوه بر اين همانطور كه در واقعيت و در شبكههاي اجتماعي ديده مي شود ارسال پيام و دريافت پاسخ با يك تاخير انجام ميگيرد به همين منظور از معيار آنتروپي انتقاال تاخيردار جهت تخمين تاخير در انتقال اطالعات استفاده كرده ايم با انجام آزمايشاتي بر روي دادههاي واقعي و ساختگي اعتبار روش پيشنهادي در مسأله انتشار در شبكه ارزيابي شده است نتايج نشان ميدهد روش پيشنهاد شده نسبت به ساير روشها قابليت بيشتري در يادگيري احتماالت نفوذ و همچنين رتبهبندي گرههاي تاثيرگذار را دارد كلمات كليدي 0 شبكههاي اجتماعي 0 انتشار اطالعات 9 حداكثرسازي نفوذ 4 عل يت
چكيده انگليسي :
70Learning influence probabilities in social networks and its application in influence maximization Zeinab Rahmani Monfared z rahmani@ec iut ac ir Date of Submission Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisor Abdolreza Mirzaei mirzaei@cc iut ac irAbstractSocial networks are a set of individuals or groups and interactions between them Theseinteractions could be friendship activities or trade relations Social networks play animportant role in information diffusion and maximizing the influence on users In uencemaximization is the problem of nding a small subset of nodes seed nodes in a socialnetwork that could maximize the spread of in uence Therefore the goal is to choose theinitial set of users to maximize the diffusion process Information diffusion in socialnetworks occurs under a diffusion model on a graph whose edges are labeled withprobabilities of in uence between nodes Real world social networks are unweighted andthe probabilities of influence between nodes edge weights are unknown The main idea ofthis thesis is estimating the influence probability from real data in order to maximizeinformation diffusion in network The influence between each pair of users is obtained bymeasuring the transfer entropy or information transfer as defined in information theory This method measures causal rate between time series of nodes activity time in network The results show that our estimated diffusion rate of the whole network and influentialnodes are different from the other methods In a real social network messages are sent orreceived with a lag Here we used the transfer entropy measure to estimate the delay in thetransmission of information Our goal is to measure the delayed transfer entropy betweenthe interactions of network nodes on each other The validity of the proposal method isassessed on real world and synthesized data sets shows improvements in the capability ofestimating influence probabilites and ranking the in uential nodes over existing methods Keywords Social network information diffusion influence maximization causality
استاد راهنما :
عبدالرضا ميرزايي
استاد مشاور :
مهران صفاياني
استاد داور :
محمدحسين منشئي، ناصر قديري
