ترجمه مقاله مدلسازی انتشار اطلاعات در شبکه های اجتماعی برای پیش بینی زمانی پویا – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
مدلسازی انتشار اطلاعات در شبکه های اجتماعی برای پیش بینی زمانی پویا
عنوان انگلیسی مقاله:
Modeling Information Diffusion over Social Networks for Temporal Dynamic Prediction
کلمات کلیدی مقاله:
انتشار اطلاعات، عوامل هوشمند، مدل، پیش بینی
مناسب برای رشته های دانشگاهی زیر:
مهندسی فناوری اطلاعات
مناسب برای گرایش های دانشگاهی زیر:
شبکه های کامپیوتری و اینترنت و شبکه های گسترده
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. تدوین مساله
3. مدل پیشنهادی
4. الگوریتم ها
4.1. الگوریتم های یادگیری
5. آزمایشات
5.1. شرایط آزمایشی
5.2. عملکرد پیش بینی
6. نتیجه گیری
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
1. INTRODUCTION
Information diffusion modeling over social networks is a critical and challenging task. Diffusion models are used to explain and simulate how information diffuses in a social network. They have a wide range of applications, including information recommendation, viral marketing, breaking news detection, and so on. The current studies on information diffusion modeling can be divided into two categories: theory-centric models and data-centric models. Theory-centric models mainly come from epidemiology, sociology and economics. The most widely-studied diffusion models of this category are the epidemic model,the independent cascade model and the linear threshold model. These models are helpful for studying the information diffusion problems such as influence maximization problem [6, 4, 5]. However, they assume that the users in the network are passively influenced to spread information. Due to the lack of support from actual diffusion data, these models do not have the ability of diffusion prediction.
1. مقدمه
مدلسازی انتشار اطلاعات در شبکه های اجتماعی، کاری حیاتی و چالش برانگیز شمرده می شود. از مدل های انتشار برای تبیین و شبیه سازی نحوه انتشار اطلاعات در شبکه اجتماعی استفاده می شود. مدل های مزبور دارای طیف گسترده ای از برنامه های کاربردی از جمله توصیه اطلاعات، بازاریابی ویروسی، تشخیص اخبار فوری، و غیره هستند. مطالعات کنونی مربوط به مدلسازی انتشار اطلاعات را می توان به دو دسته یعنی: مدل های نظریه محور و مدل های داده محور تقسیم نمود.
مدل های نظریه محور عمدتاً از همه گیرشناسی، جامعه شناسی و اقتصاد سرچشمه می گیرند. پرمطالعه ترین مدل های انتشار این دسته عبارتند از: مدل همه گیر، مدل آبشاری مستقل و مدل آستانه خطی. این مدل ها برای مطالعه مسائل مربوط به انتشار اطلاعات مانند مساله بیشینه سازی اثرگذاری، مفید هستند [6، 4، 5]. با این حال، فرض مدل های مزبور آن است که کاربران شبکه اثرگذاری منفعلانه ای بر گسترش اطلاعات دارند. با توجه به عدم پشتیبانی از سوی داده های انتشار واقعی، این مدل ها فاقد توانایی پیش بینی انتشار هستند.
