یادگیری نرخ نفوذ در شبکه های اجتماعی و کاربرد آن در حداکثرسازی نفوذ

شبکه های اجتماعی مجموعه ای از افراد یا گروه ها و فعل و انفعالات بین آن ها هستند. این فعل و انفعالات می توانند فعالیت های دوستی و یا روابط تجاری باشند. شبکه های اجتماعی نقش مهمی را در انتشار اطلاعات و حداکثرسازی نفوذ روی کاربران ایفا می کنند. مسأله حداکثر‏سازی نفوذ، پیدا کردن زیرمجموعه ای از گره ‏هاست که بتوانند انتشار در شبکه را بیشینه کنند. بنابراین انتخاب مجموعه اولیه از کاربران برای حداکثر‏سازی فرآیند انتشار دارای اهمیت بسیار زیادی است و هدف مورد نظر ما است. در این مسأله انتشار اطلاعات در گراف شبکه¬های اجتماعی تحت یک مدل انتشار، رخ می دهد که بر روی یال های ارتباطی میزان تاثیر و نفوذ بر روی یکدیگر در نظر گرفته می شود. در حالیکه در دنیای واقعی گراف اجتماعی افراد فاقد وزن و یا احتمال تاثیر بر روی یال ارتباطی خود می باشد. ایده اصلی این پایان¬نامه، تخمین احتمال نفوذ بین اعضای شبکه از روی داده واقعی به منظور حداکثر کردن میزان انتشار در شبکه می باشد. در این پایان‏نامه برای بدست آوردن میزان نفوذ از معیار تعریف شده در تئوری اطلاعات تحت عنوان انتقال اطلاعات و یا آنتروپی انتقال استفاده شده است. این معیار از طریق محاسبه میزان علّیت بین سری های زمانی گره¬های موجود در شبکه،که از طریق زمان فعالیت آن ها در شبکه حاصل می شود، احتمال نفوذ را تخمین می زند. نتایج آزمایشات نشان می دهد، میزان انتشار در کل شبکه و همچنین مجموعه گره های تاثیرگذار بدست آمده از روش پیشنهادی در مقایسه با سایر روش¬ها متفاوت است و اشتراکی ندارد. علاوه بر این، همانطور که در واقعیت و در شبکه‏ های اجتماعی دیده می¬‏شود، ارسال پیام و دریافت پاسخ با یک تاخیر انجام می‏گیرد. به همین منظور از معیار آنتروپی انتقال تاخیردار جهت تخمین تاخیر در انتقال اطلاعات استفاده کرده ایم. با انجام آزمایشاتی بر روی داده های واقعی و ساختگی اعتبار روش پیشنهادی در مسأله انتشار در شبکه ارزیابی شده است. نتایج نشان می دهد روش پیشنهاد شده نسبت به سایر روش ها قابلیت بیشتری در یادگیری احتمالات نفوذ و همچنین رتبه¬بندی گره های تاثیرگذار را دارد.