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...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Μπότσα, Δέσποινα
Άλλοι συγγραφείς:	Botsa, Despoina
Γλώσσα:	Greek
Έκδοση:	2022
Θέματα:	Νευρωνικά δίκτυα γράφων Πρόβλεψη επιρροής Embeddings Graph neural networks
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

Πρόβλεψη κοινωνικής επιρροής με χρήση embeddings και νευρωνικών δικτύων γράφων

Παρόμοια τεκμήρια