مدل بهینه‌سازی آگاه از فاصله برای شناسایی گره‌های اثرگذار در شبکه‌های اجتماعی با انتشار آبشاری مستقل
«مدل بهینه‌سازی آگاه از فاصله برای شناسایی گره‌های اثرگذار در شبکه‌های اجتماعی با انتشار آبشاری مستقل»
منتشر شده است
نویسندگان: Neda Binesh، Mehdi Ghatee،
در
Information Sciences، جلد 581، دسامبر 2021، صفحات 88–105.
شناسهٔ DOI: https://doi.org/10.1016/j.ins.2021.09.017
چکیده:
بیشینه‌سازی نفوذ (IM) یکی از چالش‌های شبکه‌های اجتماعی است که به انتخاب انتشاردهنده وابسته است. ما یک مدل برنامه‌ریزی درجه‌دو برای شناسایی تعداد ثابتی از انتشاردهندگان اولیه پیشنهاد می‌کنیم تا در کمترین زمان انتشار، بر بیشترین تعداد گره اثر بگذارند. این مدل را با الگوریتم جدید یافتن انتشاردهندهٔ آگاه از فاصله (DASF)، مستقل از مسئلهٔ تشخیص اجتماع، حل می‌کنیم. در شبکه‌های اجتماعی بزرگ‌مقیاس، DASF با استفاده از یک آستانهٔ جدید، گره‌های لنگر را انتخاب می‌کند. سپس با استفاده از فرایندهای گام تصادفی، فاصله‌ای اجتماعی میان گره‌های لنگر تعریف می‌شود. این فاصله با درجهٔ همسایگی منظم‌سازی می‌شود. مدل ما انتشاردهندگان اثرگذار را تحت مدل انتشار آبشاری مستقل (IC) پیدا می‌کند. این مدل به‌صورت ضمنی پوشش محلی انتشاردهندگان را بیشینه و هم‌پوشانی کلی را کمینه می‌کند. پاسخ این مدل دوهدفه را با یافتن بردار ویژهٔ اصلی ماتریس فاصلهٔ منظم‌شده استخراج می‌کنیم. مقایسهٔ DASF با نه الگوریتم در شبکه‌های اجتماعی بزرگ‌مقیاس مختلف نشان می‌دهد که DASF بر اساس معیارهای گسترهٔ نفوذ و نرخ انتشار، عملکرد خوبی دارد. پایداری DASF در مواجهه با سناریوهای مختلف نویزی نیز قابل‌قبول است.
کلیدواژه‌ها:
شبکهٔ اجتماعی؛ انتشاردهندگان اثرگذار؛ فاصلهٔ اجتماعی؛ بهینه‌سازی دوهدفه؛ گام تصادفی محلی؛ روش توانی.