A Novel Mathematical Framework for Similarity-based Opportunistic Social Networks

در این مقاله شبکه های اجتماعی را به عنوان یک تکنولوژی توانمند برای برنامه های کاربردی و خدمات جدید، که به طور عمده استفاده نشده است، مورد بررسی قرار می دهیم. به طور خاص، ما شباهت کاربری تلفن همراه را به دست می دهیم و چارچوب ریاضی جدیدی را که مبتنی بر نظریه اطلاعات است، به منظور تعیین محدودیت های اساسی و اندازه گیری عملکرد استراتژی های اشتراک دانش دانش محاسبه می کنیم. اولا، ساختارهای عمومی، غیرمسئولانه و موقتی را، به غیر از موقعیت جغرافیایی، به عنوان یک توابع احتمالی، معرفی می کنیم. دوم، معیارهای شباهت کلاسیک و تئوری اطلاعاتی را با استفاده از داده ها در حوزه عمومی بررسی می کنیم. یافته های قابل توجه این است که معیارهای زمانی به طور متوسط ​​(به عنوان مثال، محافظه کارانه) شاخص های شباهت کمتری را نسبت به معیارهای غیرواقعی نشان می دهند، به دلیل استفاده از ثروت اطلاعات در ابعاد زمانی. سوم، ما یک چارچوب ریاضی جدیدی را معرفی می کنیم که محدودیت های اساسی برای اشتراک دانش را در میان کاربران فرصتطلبانه مشابه ایجاد می کند. در نهایت، نتایجی از نتایج عددی نشان داده می شود که با افزایش دانش تجمعی در طول زمان و حد بالای آن، حد استفاده از دانش، با استفاده از داده های تلفن هوشمند عمومی برای رفتار کاربر و اثرات تحرک، در مورد صحنه های ثابت و همچنین تلفن همراه نشان داده می شود. نتایج ارائه شده بینش ارزشمندی را ارائه می دهند که نقش کلیدی چارچوب نظری معرفی شده را در ایجاد انگیزه در پژوهش های آینده بر اساس این تحقیقات رسیده، مطالعه سناریوهای گوناگون و همچنین راهبردهای جدید به اشتراک گذاری دانش ارائه می دهد.