برآورد تلفیقی احتمالات تاثیر برای مساله بیشینه‌سازی گسترش تاثیر در شبکه‌های اجتماعی و کاربرد آن در صنعت برق

امروزه شبکه های اجتماعی آنلاین ارتباط ناگسستنی با زندگی روزمره بسیاری از مردم جهان دارند. کاربرد شبکه های اجتماعی در کسب و کارها جهت تبلیغات، بازاریابی، سیستم های پیشنهاد دهنده و همچنین در سیستم های مدیریت مصرف منابع و انرژی رو به افزایش می باشد. یکی از مهم ترین مسائل مطرح شده در رابطه با فرایند انتشار اطلاعات در شبکه های اجتماعی، مساله بیشینه سازی گسترش تاثیر می باشد. در سال های اخیر، تحقیق هایی برای بهبود کیفیت پیش بینی مدل های انتشار اطلاعات در این مساله انجام شده است. طی بررسی های انجام شده در مدل های موجود، تخمین احتمالات تاثیر کاربران بر روی یکدیگر به طور غیر واقعی محاسبه می شود. در این پژوهش با هدف بررسی و بهینه سازی فرایند گسترش تاثیر در شبکه های اجتماعی، روش جدیدی برای تعیین احتمالات تاثیر در میان کاربران پیشنهاد شده است. این روش تلفیقی از دو رویکرد اصلی محاسبه احتمالات تاثیر شامل بهره گیری از جدول لاگ فعالیت و روش یکنواخت مقدار از پیش تعیین شده است. عملکرد روش پیشنهادی بر روی مجموعه داده های مختلفی از شبکه های اجتماعی دنیای واقعی با روش های رقیب مورد ارزیابی و مقایسه قرار گرفت. نتایج حاصل از آزمایش ها نشان می دهد روش پیشنهادی می تواند باعث افزایش کارایی پیش بینی های مورد نظر جهت حل مسائل بیشینه سازی گسترش تاثیر گردد.

combined estimating influence probabilities for an influence maximization problem in social networks and its application in the power industry

nowadays, online social networks have an inseparable connection with the daily life of many people in the world. the applications of social networks are increasing in businesses for advertising, marketing, and recommender systems, as well as in resource and energy consumption management systems. one of the most important problems in the information diffusion process of social networks is the influence maximization. in recent years, some research has been conducted to improve the prediction quality of information diffusion models in this problem. in a review of existing models, the influence probabilities among users are estimated unrealistically. in this research, a new method has been proposed to determine the influence probabilities among social network users. this method is a combination of two main approaches in the calculation of influence probabilities, including the use of an action log table and the uniform method with a predetermined value. the performance of the proposed method was evaluated and compared with competitive methods on different real-world social network data sets. the results of the experiments show that the proposed method can increase the efficiency of the predictions in solving the influence maximization problems.