عنوان انگلیسی مقاله:

Influence maximization in social networks under an independent cascade-based model

ترجمه عنوان مقاله: حداکثر تاثیر در شبکه های اجتماعی تحت شرایط یک مدل آبشاری مستقل

$$$: فقط 22500 تومان

سال انتشار: 2016

تعداد صفحات مقاله انگلیسی: 15 صفحه

تعداد صفحات ترجمه مقاله: 33 صفحه

منبع: الزویر و ساینس دایرکت

نوع فایل: word

http://modir123.com/photo%20site/D-modir123.com%20_2_.png دانلود مقاله

 

فهرست مطالب

  • چکیده
  • مقدمه
  • کارهای مربوطه
  • حداکثر نفوذ
  • شکل گیری نظرات
  • بیانیه مسئله
  • مدل
  • مدل IC-OC
  • مدل IMIC-OC
  • معرفی مدل IMIC-OC
  • خصوصیات مدل IMIC-OC
  • آزمایشات
  • مجموعه داده
  • برآورد پارامتر
  • اعتبارسنجی مدل IC-OC
  • روش های پایه
  • عملکرد مدل IC-OC
  • حداکثر تاثیر
  • آنالیز پارامتر
  • روش های پایه
  • مقایسات در میان الگوریتم ها
  • نتیجه گیری
  • منابع

ترجمه چکیده مقاله

رشد سریع شبکه های اجتماعی آنلاین برای بازرایابی وایرال، دارای اهمیت است. حداکثر نفوذ یا تاثیر، به فرایندهای یافتن کاربران موثری که بسیاری از اطلاعات یا محصولات را تصویب می کنند، اشاره دارد. یک مدل آبشاری مستقل برای حداکثر نفوذ، IMIC-OC نامیده می شود، که برای محاسبه کردن تاثیر مثبت ارائه شده است. فرض کرده ایم که کاربران موثر، نظرات مثبت خودشان را گسترش می دهند. کاربران در آغاز، نظرات مثبت یا منفی خودشان را به عنوان نظرات اولیه نگه می دارند. هنگامی که کاربران بیشتری در بحث شرکت کردند، کاربران نظرات خودشان و نظرات همسایگان خودشان را متعادل کردند. تعداد کاربرانی که نظرات مثبت را تغییر نمی دادند، برای تعیین کردن اثر مثبت مورد استفاده قرار گرفت. پس کاربران موثر مربوطه ای، که حداکثر تاثیر مثبت را داشتند، بدست آمدند. آزمایشات بر سه شبکه واقعی یعنی فیس بوک، HEP-PH و Epinions، به منظور محاسبه حداکثر تاثیر مثبت براساس IMIC-OC و دو مدل پایه دیگر انجام گرفتند. مدل پیشنهادی، اثر مثبت بزرگتری را نتیجه داد، که عملکرد بهتر را در مقایسه با روش های پایه را نشان می دهد.

کلمات کلیدی: حداکثر نفوذ، تاثیر مثبت، مدل آبشاری مستقل، تغییر نظر، شبکه های اجتماعی

ترجمه قسمتی از مقدمه مقاله

شبکه های اجتماعی آنلاین (OSNs) برای محققان و شرکت هایی که به ترتیب رفتار کاربران و تولید سود را مطالعه می کنند، مفید می باشند. برای مثال، تبلیغ کنندگان، زیرمجموعه ای از کاربران را برای به حداکثر رساندن استفاده از محصولات را می یابند (1)، که این روشی است که از حداکثر نفوذ استفاده می کنند. هدف از حداکثر تاثیر یا نفوذ، حداکثرسازی تعداد کاربران دخیل در بحث یا تصویب محصول مورد نظر در شبکه است. مدل آبشاری مستقل برای حداکثر تاثیر، به منظور رسیدگی به این مسئله، در این مقاله ارائه شده است. در سالهای اخیر بسیاری از محققان بر مسئله حداکثر نفوذ تمرکز داشته اند. Kempe و همکارانش (2) برای اولین بار، الگوریتم حریصانه را برای مطالعه حداکثر نفوذ براساس دو مدل یعنی ، مدل آبشاری مستقل (IC) و مدل آستانه خطی (LT) بکار بردند. Chen و همکارانش (3)، تاثیر مثبت را در میان نظرات منفی که در شبکه وجود داشتند، را محاسبه کردند. با این حال، محققان فرض کردند که اگر یک نظر را تصویب کنند، هرگز نظرات آنها تغییر نخواهد کرد. با گذشت زمان، احتمالا کاربران، تحت تاثیر دیگر نظرات مثبتی که توسط دیگران تصویب شده بودند، قرار گرفتند. بنابراین هنگامی که کاربران در معرض نگرش های مختلف قرار گرفتند، احتمالاتی را برای پیش بینی اینکه آیا کاربران، ذهنیت خودشان را با تغییر نظر همسایگان، تغییر نمی دهند، معرفی کردند.

ترجمه نتیجه گیری مقاله

مدل پیشنهادی IMIC-OC برای تاثیر حداکثر، با هدف یافتن مجموعه کاربرانی است که تصویب اطلاعات را به حداکثر می رسانند. مدل IC-OC برای توسعه اطلاعات، به منظور توضیح دادن اینکه چگونه کاربر نظرات خودش را می سازد، ارائه شده است. مدل IC-OC، احتمالات تبدیل و stubborn را معرفی می کند. این احتمالات برای پیش بینی کردن این هستند که ایا کاربر، نظر اولیه اش را در هنگامی که در معرض نظرات مختلف قرار می گیرد، تغییر می دهد یا خیر. در آغاز، توسعه ی اطلاعات، همسایه ها را به منظور تصویب اطلاعات براساس احتمالات تصویب، فعال می کند. احتمال تطابق نشان می دهد که چگونه همسایه ها، همان نظرات را کاربرانی که اطلاعات را توسعه داده اند را حفظ می کنند. با گذشت زمان، نظرات مختلف در شبکه بوجود می ایند. پس از آن کاربران می توانند افکارشان را توسط احتمال تبدیل تغییر دهند یا همان نظرات را توسط احتمال stubborn حفظ کنند.

چکیده انگلیسی مقاله

The rapid growth of online social networks is important for viral marketing. Influence maximization refers to the process of finding influential users who make the most of information or product adoption. An independent cascade-based model for influence maximization, called IMIC-OC, was proposed to calculate positive influence. We assumed that influential users spread positive opinions. At the beginning, users held positive or negative opinions as their initial opinions. When more users became involved in the discussions, users balanced their own opinions and those of their neighbors. The number of users who did not change positive opinions was used to determine positive influence. Corresponding influential users who had maximum positive influence were then obtained. Experiments were conducted on three real networks, namely, Facebook, HEP-PH and Epinions, to calculate maximum positive influence based on the IMIC-OC model and two other baseline methods. The proposed model resulted in larger positive influence, thus indicating better performance compared with the baseline methods.
Keywords: Influence maximization, Positive influence, Independent cascade-based model, Opinion change, Social networks

 

 

مطالب مرتبط