کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6857224 661905 2016 19 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Influence maximization in social networks based on discrete particle swarm optimization
ترجمه فارسی عنوان
حداکثر سازی تاثیر در شبکه های اجتماعی بر اساس بهینه سازی ذرات گسسته
کلمات کلیدی
ترجمه چکیده
به حداکثر رساندن تاثیر در شبکه های اجتماعی، هدف یافتن یک گروه کوچک از افراد است که دارای آبشارهای حداکثر نفوذ هستند. در این مطالعه، یک مدل بهینه سازی بر اساس معیار نفوذ محلی برای مسئله حداکثر سازی نفوذ ایجاد شده است. معیار نفوذ محلی می تواند برآورد قابل اعتماد برای انتشار نفوذ در مدل های آبشاری مستقل و وزن ارائه دهد. سپس الگوریتم بهینه سازی ذرات گسسته به منظور بهینه سازی معیار نفوذ محلی پیشنهاد شده است. قوانین بازنمایی و به روز رسانی ذرات در الگوریتم پیشنهادی مجددا تعریف شده است. علاوه بر این، یک استراتژی ارزیابی مبتنی بر اکتشافی مبتنی بر درجه و یک استراتژی جستجوی محلی خاص شبکه معرفی شده است تا سرعت همگرایی را افزایش دهد. نتایج تجربی در چهار شبکه اجتماعی دنیای واقعی اثربخشی و کارایی الگوریتم پیشنهاد شده برای به حداکثر رساندن تاثیر را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Influence maximization in social networks aims to find a small group of individuals, which have maximal influence cascades. In this study, an optimization model based on a local influence criterion is established for the influence maximization problem. The local influence criterion can provide a reliable estimation for the influence propagations in independent and weighted cascade models. A discrete particle swarm optimization algorithm is then proposed to optimize the local influence criterion. The representations and update rules for the particles are redefined in the proposed algorithm. Moreover, a degree based heuristic initialization strategy and a network-specific local search strategy are introduced to speed up the convergence. Experimental results on four real-world social networks demonstrate the effectiveness and efficiency of the proposed algorithm for influence maximization.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volumes 367–368, 1 November 2016, Pages 600-614
نویسندگان
, , , , ,