عنوان مقاله ترجمه شده:بیشینه‌سازی نفوذ در شبکه‌های اجتماعی با محدودسازی میزان کاهش نفوذ
عنوان انگلیسی مقاله ترجمه شده:Maximizing influence under influence loss constraint in socialnetworks
سال انتشار مقالهنام ژورنالتعداد صفحات مقاله ترجمه شده
2016Expert Systems With Applications13
چکیده فارسی:بیشینه‌سازی نفوذ یکی از مسائل بنیادی تحقیقاتی در شبکه‌های اجتماعی به شمار می‌آید. در بازاریابی ویروسی که یکی از کاربردهای این مقوله است، دسته کوچکی از کاربران برای قبول یک محصول انتخاب شده و اثر شفاهی متعاقب آن می‌تواند به پذیرش عظیم این محصول در شبکه‌های اجتماعی منتهی گردد. مسئله بیشینه‌سازی نفوذ، انتخاب مجموعه‌ای متشکل از K گره از یک شبکه اجتماعی به گونه‌ای است که میزان گسترش نفوذ آن در شبکه را به حداکثر مقدار خود برساند. در پژوهش قبلی انجام شده در خصوص استخراج K گره بالای بانفوذ، فرض شده است که تمامی K گره انتخاب شده می‌توانند نفوذ خود را مطابق انتظار گسترش دهند. با این وجود برخی از گره‌های انتخابی در عمل چندان به خوبی عمل نمی‌نمایند که همین مسئله به اتلاف یا کاهش K گره بالای بانفوذ منتهی می‌گردد. در این مقاله، مسئله بیشینه‌سازی نفوذ دیگری را مورد بررسی قرار خواهیم داد که به طور طبیعی محدودیت اطمینان‌پذیری گره‌ها در شبکه‌های اجتماعی، آن را برمی‌انگیزند. هدف ما یافتن K گره بالای بانفوذ می‌باشد که آستانه کاهش نفوذ ناشی از شکست مجموعه‌ای از R (
چکیده انگلیسی:Influence maximization is a fundamental research problem in social networks. Viral marketing, one of its applications, aims to select a small set of users to adopt a product, so that the word-of-mouth effect can subsequently trigger a large cascade of further adoption in social networks. The problem of influ- ence maximization is to select a set of K nodes from a social network so that the spread of influence is maximized over the network. Previous research on mining top- K influential nodes assumes that all of the selected K nodes can propagate the influence as expected. However, some of the selected nodes may not function well in practice, which leads to influence loss of top- K nodes. In this paper, we study an alterna- tive influence maximization problem which is naturally motivated by the reliability constraint of nodes in social networks. We aim to find top- K influential nodes given a threshold of influence loss due to the failure of a subset of R ( < K ) nodes. To solve the new type of influence maximization problem, we pro- pose an approach based on constrained simulated annealing and further improve its performance through efficiently estimating the influence loss. We provide experimental results over multiple real-world so- cial networks in support. This research will further support practical applications of social networks in variousdomainsparticularlywherereliabilitywouldbeamainconcerninasystemdeployment.
کلمات کلیدی مقاله: , ,
دانلود اصل مقاله ترجمه نشده افزودن به سبد خرید