Μεγιστοποίηση επιρροής σε κοινωνικά δίκτυα με μεθόδους αποσύνθεσης γράφων και embeddings

Η μεγιστοποίησης της κοινωνικής επιρροής στα κοινωνικά δίκτυα είναι ένα σύγχρονο, περίπλοκο και σημαντικό πρόβλημα. Η κοινωνική επιρροή ως η αλλαγή των συναισθημάτων, των απόψεων και της συμπεριφοράς ενός ατόμου από άλλους, έχει ιδιαίτερο ενδιαφέρον για τις θεωρητικές αλλά και πρακτικές εφαρμογές τη...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Παπαδόπουλος, Δημήτριος
Άλλοι συγγραφείς:	Papadopoulos, Dimitrios
Γλώσσα:	Greek
Έκδοση:	2023
Θέματα:	Κοινωνικά δίκτυα Μεγιστοποίηση επιρροής Νευρωνικά δίκτυα Απεικονίσεις Αποσύνθεση γράφου Social networks Influence maximization Neural networks Embeddings Graph decomposition
Διαθέσιμο Online:	https://hdl.handle.net/10889/24766

id	nemertes-10889-24766
record_format	dspace
spelling	nemertes-10889-247662023-03-10T04:34:59Z Μεγιστοποίηση επιρροής σε κοινωνικά δίκτυα με μεθόδους αποσύνθεσης γράφων και embeddings Influence Maximization in social networks with graph decomposition methods and embeddings Παπαδόπουλος, Δημήτριος Papadopoulos, Dimitrios Κοινωνικά δίκτυα Μεγιστοποίηση επιρροής Νευρωνικά δίκτυα Απεικονίσεις Αποσύνθεση γράφου Social networks Influence maximization Neural networks Embeddings Graph decomposition Η μεγιστοποίησης της κοινωνικής επιρροής στα κοινωνικά δίκτυα είναι ένα σύγχρονο, περίπλοκο και σημαντικό πρόβλημα. Η κοινωνική επιρροή ως η αλλαγή των συναισθημάτων, των απόψεων και της συμπεριφοράς ενός ατόμου από άλλους, έχει ιδιαίτερο ενδιαφέρον για τις θεωρητικές αλλά και πρακτικές εφαρμογές της. Σήμερα, με την συνεχή αύξηση της χρήσης τους, τα κοινωνικά δίκτυα μπορούν να χρησιμοποιηθούν για την καθοδήγηση των ανθρώπων προς μια απόφαση, όπως την αγορά ενός προϊόντος, την υποστήριξη μιας προεκλογικής καμπάνιας ή την υιοθέτηση μιας καινοτομίας. Έχοντας κατανοήσει την υποκείμενη δύναμη της κοινωνικής επιρροής, δημιουργείται η ανάγκη για μεθοδολογίες κατανόησης, χαρακτηρισμού και ανάλυσης της δυναμικής της. Στην παρούσα διπλωματική εργασία, προσεγγίσαμε το πρόβλημα της μεγιστοποίησης επιρροής στα κοινωνικά δίκτυα με την χρήση καταρρακτών διάχυσης, αναπαραστάσεων και μεθόδων αποσύνθεσης γράφων. Αναλύοντας τον τρόπο που λειτουργεί η μεγιστοποίηση επιρροής και ακολουθώντας την πρόσφατη κριτική για τα μοντέλα διάχυσης, μελετήσαμε τον αλγόριθμο IMINFECTOR, ο οποίος μαθαίνει αναπαραστάσεις από καταρράκτες διάχυσης και τις χρησιμοποιεί για να πραγματοποιήσει μεγιστοποίηση επιρροής χωρίς μοντέλα διάχυσης. Στόχος της διπλωματικής εργασίας, είναι η αξιολόγηση καθώς και η βελτίωση του αλγορίθμου αυτού, με την χρήση μεθόδων αποσύνθεσης γράφων κατά την προεπεξεργασία των δεδομένων. Μελετώντας πάνω σε πραγματικά σύνολα δεδομένων, καταλήξαμε ότι οι μέθοδοι αποσύνθεσης γράφων, δίνουν ελπιδοφόρα αποτελέσματα ώστε να χρησιμοποιηθούν και να βελτιώσουν παρόμοιες μεθόδους μεγιστοποίησης επιρροής. Influence-maximization in social networks is a significant, modern and complex problem. Social Influence as the change of a person’s feelings, opinion and behavior by others, is of great interest for its theoretical as well as practical applications. Today, with their continuous increase in the use, social networks are used to nudge users towards a decision, such as buying a product, supporting an election campaign, or adopting an innovation. Understanding the power of Social Influence, the need to characterize, understand and analyze its dynamics is arising. In this thesis, we approached the problem of influence maximization in social networks using diffusion cascades, representations and graph decomposition methods. Analyzing influence maximization and following the recent criticism on diffusion models, we studied an algorithm that learns representations from diffusion cascades and uses them to perform influence maximization without diffusion models. The aim of this thesis is to evaluate and improve this algorithm, using graph decomposition methods during data preprocessing. Experimenting on real world datasets, we concluded that graph decomposition methods, give promising results to be used to improve similar influence maximization methods. 2023-03-09T11:35:39Z 2023-03-09T11:35:39Z 2023-03-09 https://hdl.handle.net/10889/24766 el Attribution-NonCommercial 3.0 United States http://creativecommons.org/licenses/by-nc/3.0/us/ application/pdf
institution	UPatras
collection	Nemertes
language	Greek
topic	Κοινωνικά δίκτυα Μεγιστοποίηση επιρροής Νευρωνικά δίκτυα Απεικονίσεις Αποσύνθεση γράφου Social networks Influence maximization Neural networks Embeddings Graph decomposition
spellingShingle	Κοινωνικά δίκτυα Μεγιστοποίηση επιρροής Νευρωνικά δίκτυα Απεικονίσεις Αποσύνθεση γράφου Social networks Influence maximization Neural networks Embeddings Graph decomposition Παπαδόπουλος, Δημήτριος Μεγιστοποίηση επιρροής σε κοινωνικά δίκτυα με μεθόδους αποσύνθεσης γράφων και embeddings
description	Η μεγιστοποίησης της κοινωνικής επιρροής στα κοινωνικά δίκτυα είναι ένα σύγχρονο, περίπλοκο και σημαντικό πρόβλημα. Η κοινωνική επιρροή ως η αλλαγή των συναισθημάτων, των απόψεων και της συμπεριφοράς ενός ατόμου από άλλους, έχει ιδιαίτερο ενδιαφέρον για τις θεωρητικές αλλά και πρακτικές εφαρμογές της. Σήμερα, με την συνεχή αύξηση της χρήσης τους, τα κοινωνικά δίκτυα μπορούν να χρησιμοποιηθούν για την καθοδήγηση των ανθρώπων προς μια απόφαση, όπως την αγορά ενός προϊόντος, την υποστήριξη μιας προεκλογικής καμπάνιας ή την υιοθέτηση μιας καινοτομίας. Έχοντας κατανοήσει την υποκείμενη δύναμη της κοινωνικής επιρροής, δημιουργείται η ανάγκη για μεθοδολογίες κατανόησης, χαρακτηρισμού και ανάλυσης της δυναμικής της. Στην παρούσα διπλωματική εργασία, προσεγγίσαμε το πρόβλημα της μεγιστοποίησης επιρροής στα κοινωνικά δίκτυα με την χρήση καταρρακτών διάχυσης, αναπαραστάσεων και μεθόδων αποσύνθεσης γράφων. Αναλύοντας τον τρόπο που λειτουργεί η μεγιστοποίηση επιρροής και ακολουθώντας την πρόσφατη κριτική για τα μοντέλα διάχυσης, μελετήσαμε τον αλγόριθμο IMINFECTOR, ο οποίος μαθαίνει αναπαραστάσεις από καταρράκτες διάχυσης και τις χρησιμοποιεί για να πραγματοποιήσει μεγιστοποίηση επιρροής χωρίς μοντέλα διάχυσης. Στόχος της διπλωματικής εργασίας, είναι η αξιολόγηση καθώς και η βελτίωση του αλγορίθμου αυτού, με την χρήση μεθόδων αποσύνθεσης γράφων κατά την προεπεξεργασία των δεδομένων. Μελετώντας πάνω σε πραγματικά σύνολα δεδομένων, καταλήξαμε ότι οι μέθοδοι αποσύνθεσης γράφων, δίνουν ελπιδοφόρα αποτελέσματα ώστε να χρησιμοποιηθούν και να βελτιώσουν παρόμοιες μεθόδους μεγιστοποίησης επιρροής.
author2	Papadopoulos, Dimitrios
author_facet	Papadopoulos, Dimitrios Παπαδόπουλος, Δημήτριος
author	Παπαδόπουλος, Δημήτριος
author_sort	Παπαδόπουλος, Δημήτριος
title	Μεγιστοποίηση επιρροής σε κοινωνικά δίκτυα με μεθόδους αποσύνθεσης γράφων και embeddings
title_short	Μεγιστοποίηση επιρροής σε κοινωνικά δίκτυα με μεθόδους αποσύνθεσης γράφων και embeddings
title_full	Μεγιστοποίηση επιρροής σε κοινωνικά δίκτυα με μεθόδους αποσύνθεσης γράφων και embeddings
title_fullStr	Μεγιστοποίηση επιρροής σε κοινωνικά δίκτυα με μεθόδους αποσύνθεσης γράφων και embeddings
title_full_unstemmed	Μεγιστοποίηση επιρροής σε κοινωνικά δίκτυα με μεθόδους αποσύνθεσης γράφων και embeddings
title_sort	μεγιστοποίηση επιρροής σε κοινωνικά δίκτυα με μεθόδους αποσύνθεσης γράφων και embeddings
publishDate	2023
url	https://hdl.handle.net/10889/24766
work_keys_str_mv	AT papadopoulosdēmētrios megistopoiēsēepirroēssekoinōnikadiktyamemethodousaposynthesēsgraphōnkaiembeddings AT papadopoulosdēmētrios influencemaximizationinsocialnetworkswithgraphdecompositionmethodsandembeddings
_version_	1771297136897425408

Μεγιστοποίηση επιρροής σε κοινωνικά δίκτυα με μεθόδους αποσύνθεσης γράφων και embeddings

Παρόμοια τεκμήρια