Πρόβλεψη κοινωνικής επιρροής με χρήση embeddings και νευρωνικών δικτύων γράφων
Η πρόβλεψη της κοινωνικής επιρροής στα κοινωνικά δίκτυα είναι ένα σημαντικό αλλά και δύσκολο πρόβλημα. Ο όρος κοινωνική επιρροή αναφέρεται συνήθως στο φαινόμενο ότι τα συναισθήματα, οι απόψεις ή οι συμπεριφορές ενός ατόμου επηρεάζονται από άλλους. Η συνεχής αύξηση της χρήσης διαδικτυακών και κινη...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Γλώσσα: | Greek |
Έκδοση: |
2022
|
Θέματα: | |
Διαθέσιμο Online: | https://hdl.handle.net/10889/23324 |
id |
nemertes-10889-23324 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-233242024-03-08T19:26:56Z Πρόβλεψη κοινωνικής επιρροής με χρήση embeddings και νευρωνικών δικτύων γράφων Predicting social influence using embeddings and graph neural networks Μπότσα, Δέσποινα Botsa, Despoina Νευρωνικά δίκτυα γράφων Πρόβλεψη επιρροής Embeddings Graph neural networks Η πρόβλεψη της κοινωνικής επιρροής στα κοινωνικά δίκτυα είναι ένα σημαντικό αλλά και δύσκολο πρόβλημα. Ο όρος κοινωνική επιρροή αναφέρεται συνήθως στο φαινόμενο ότι τα συναισθήματα, οι απόψεις ή οι συμπεριφορές ενός ατόμου επηρεάζονται από άλλους. Η συνεχής αύξηση της χρήσης διαδικτυακών και κινητών κοινωνικών πλατφορμών μας έχει κάνει εμφανές το γεγονός πως οι άνθρωποι έχουν παρακολουθήσει τον αντίκτυπο της κοινωνικής επιρροής σε κάθε τομέα, όπως προεδρικές εκλογές, διαφήμιση και υιοθέτηση καινοτομίας. Μέχρι σήμερα, δεν υπάρχει αμφιβολία ότι η κοινωνική επιρροή έχει γίνει μια κυρίαρχη, αλλά πολύπλοκη δύναμη που καθοδηγεί τις κοινωνικές μας αποφάσεις, κάνοντας σαφή ανάγκη για μεθοδολογίες για τον χαρακτηρισμό, την κατανόηση και τον ποσοτικό προσδιορισμό των υποκείμενων μηχανισμών και δυναμικών της κοινωνικής επιρροής. Στην παρούσα διπλωματική εργασία, το πρόβλημα πρόβλεψης της επιρροής του κάθε χρήστη αντιμετωπίζεται ως πρόβλημα ταξινόμησης, ενώ η πρόβλεψη της επιρροής των χρηστών επιτυγχάνεται με την χρήση συνελικτικών νευρωνικών δικτύων και αλγόριθμών δημιουργίας embeddings. Στόχος της παρούσας διπλωματικής εργασίας είναι η αξιολόγηση καθώς και η βελτίωση του DeepInf μοντέλου με στόχο την πρόβλεψη της κοινωνικής επιρροής. Στην μέθοδο του DeepInf, βασικό χαρακτηριστικό είναι η χρήση node embeddings για την αναπαράσταση των χρηστών των κοινωνικών δικτύων, καθώς και η χρήση νευρωνικών δίκτυων γράφου. Τα αποτελέσματα που προέκυψαν, από τέσσερα σύνολα δεδομένων πραγματικού κόσμου αποδεικνύουν την αποτελεσματικότητα του μοντέλου αυτού αλλά και την αποτελεσματικότητα του βελτιωμένου μοντέλου. Predicting social influence in social networks is an important but also difficult problem. The term social influence usually refers to the phenomenon that the a person's feelings, opinions or behaviors are influenced by others. THE continuous increase in the use of online and mobile social platforms has made us evident that people have watched the impact of social influence in every field, such as presidential elections, advertising and innovation adoption. To date, there is no doubt that social influence has become a dominant one, but complex force that guides our social decisions, making a clear need for methodologies for the characterization, understanding and quantification of underlying mechanisms and dynamics of social influence. In this thesis, the problem of predicting the influence of each user treated as a classification problem, while predicting user influence is achieved by using convolutional neural networks and generation algorithms embeddings. The aim of this thesis is the evaluation as well as the improvement of the DeepInf model aimed at predicting social influence. In method of DeepInf, a key feature is the use of node embeddings for the representation of social network users, as well as the use of neural graph networks. The results obtained, from four data sets of the real world prove the effectiveness of this model as well the effectiveness of the improved model. 2022-10-05T05:29:08Z 2022-10-05T05:29:08Z 2022-10-03 https://hdl.handle.net/10889/23324 el Attribution 3.0 United States http://creativecommons.org/licenses/by/3.0/us/ application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Νευρωνικά δίκτυα γράφων Πρόβλεψη επιρροής Embeddings Graph neural networks |
spellingShingle |
Νευρωνικά δίκτυα γράφων Πρόβλεψη επιρροής Embeddings Graph neural networks Μπότσα, Δέσποινα Πρόβλεψη κοινωνικής επιρροής με χρήση embeddings και νευρωνικών δικτύων γράφων |
description |
Η πρόβλεψη της κοινωνικής επιρροής στα κοινωνικά δίκτυα είναι ένα σημαντικό αλλά και
δύσκολο πρόβλημα. Ο όρος κοινωνική επιρροή αναφέρεται συνήθως στο φαινόμενο ότι τα
συναισθήματα, οι απόψεις ή οι συμπεριφορές ενός ατόμου επηρεάζονται από άλλους. Η
συνεχής αύξηση της χρήσης διαδικτυακών και κινητών κοινωνικών πλατφορμών μας έχει κάνει
εμφανές το γεγονός πως οι άνθρωποι έχουν παρακολουθήσει τον αντίκτυπο της κοινωνικής
επιρροής σε κάθε τομέα, όπως προεδρικές εκλογές, διαφήμιση και υιοθέτηση καινοτομίας.
Μέχρι σήμερα, δεν υπάρχει αμφιβολία ότι η κοινωνική επιρροή έχει γίνει μια κυρίαρχη, αλλά
πολύπλοκη δύναμη που καθοδηγεί τις κοινωνικές μας αποφάσεις, κάνοντας σαφή ανάγκη για
μεθοδολογίες για τον χαρακτηρισμό, την κατανόηση και τον ποσοτικό προσδιορισμό των
υποκείμενων μηχανισμών και δυναμικών της κοινωνικής επιρροής.
Στην παρούσα διπλωματική εργασία, το πρόβλημα πρόβλεψης της επιρροής του κάθε χρήστη
αντιμετωπίζεται ως πρόβλημα ταξινόμησης, ενώ η πρόβλεψη της επιρροής των χρηστών
επιτυγχάνεται με την χρήση συνελικτικών νευρωνικών δικτύων και αλγόριθμών δημιουργίας
embeddings. Στόχος της παρούσας διπλωματικής εργασίας είναι η αξιολόγηση καθώς και η
βελτίωση του DeepInf μοντέλου με στόχο την πρόβλεψη της κοινωνικής επιρροής. Στην
μέθοδο του DeepInf, βασικό χαρακτηριστικό είναι η χρήση node embeddings για την
αναπαράσταση των χρηστών των κοινωνικών δικτύων, καθώς και η χρήση νευρωνικών
δίκτυων γράφου. Τα αποτελέσματα που προέκυψαν, από τέσσερα σύνολα δεδομένων
πραγματικού κόσμου αποδεικνύουν την αποτελεσματικότητα του μοντέλου αυτού αλλά και
την αποτελεσματικότητα του βελτιωμένου μοντέλου. |
author2 |
Botsa, Despoina |
author_facet |
Botsa, Despoina Μπότσα, Δέσποινα |
author |
Μπότσα, Δέσποινα |
author_sort |
Μπότσα, Δέσποινα |
title |
Πρόβλεψη κοινωνικής επιρροής με χρήση embeddings και νευρωνικών δικτύων γράφων |
title_short |
Πρόβλεψη κοινωνικής επιρροής με χρήση embeddings και νευρωνικών δικτύων γράφων |
title_full |
Πρόβλεψη κοινωνικής επιρροής με χρήση embeddings και νευρωνικών δικτύων γράφων |
title_fullStr |
Πρόβλεψη κοινωνικής επιρροής με χρήση embeddings και νευρωνικών δικτύων γράφων |
title_full_unstemmed |
Πρόβλεψη κοινωνικής επιρροής με χρήση embeddings και νευρωνικών δικτύων γράφων |
title_sort |
πρόβλεψη κοινωνικής επιρροής με χρήση embeddings και νευρωνικών δικτύων γράφων |
publishDate |
2022 |
url |
https://hdl.handle.net/10889/23324 |
work_keys_str_mv |
AT mpotsadespoina problepsēkoinōnikēsepirroēsmechrēsēembeddingskaineurōnikōndiktyōngraphōn AT mpotsadespoina predictingsocialinfluenceusingembeddingsandgraphneuralnetworks |
_version_ |
1799945009054613504 |