مدلسازي ديناميك پذيرش و گسترش عقايد در شبكه هاي اجتماعي تحت شرايط رقابتي

كارشناسي ارشد

در جوامع پيشرفته ي معاصر، زندگي عمده ي انسان ها به شبكه هاي اجتماعي مجازي گره خورده است. كاربرهاي اين شبكه ها، ميلياردها ساعت از زمان خودشان را صرف مطالعه و اشتراك گذاري عقايد و نظرات يكديگر و ايجاد مطالب جديد مي نمايند. پژوهش حاضر، سعي در ايجاد مدل و بستري جديد دارد، كه از طريق آن بتوان رفتار افراد را در قالب يك شبكه ي اجتماعي و در قبال دريافت و ارسال پيام به تصوير كشيد. در پايان نامه ي حاضر، يكي از معروف ترين مدل هاي احتمالي گسترش بيماري هاي واگيردار(SIR)، به عنوان زيربناي رفتار مدل در نظر گرفته شده است، و با استفاده از ويژگي فراموشي و منحني يادگيري، به ارائه ي مدل نويني(RbID) در ادبيات شبكه هاي اجتماعي پرداخته مي شود. سپس با توجه به محتواي پيام و گرايشات افراد، مدل ديگري(CRbID)، توسعه داده شده است، كه با محاسبات پي درپي شرايط گره ها، ديناميك پذيرش و گسترش عقايد را در شبكه هاي اجتماعي توضيح مي دهد. همچنين در اين تحقيق، به منظور حل مسأله ي بيشينه سازي اثر در اين شبكه ها، دو الگوريتم متفاوت GTCb (براي مدل SIR) و ژنتيك(براي مدل CRbID) توسعه داده شده اند. شبيه سازي هاي متعدد انجام گرفته بر شش شبكه ي پيچيده ي متفاوت در بستر مدل SIR نشان مي دهد كه الگوريتم GTCb، از منظر كيفيت حل مسأله، از هر چهار مركزيت متعارف مورد بررسي و همچنين الگوريتم مبتني بر تاپسيس، بهتر عمل مي نمايد(بيش از 8% در شبكه USAir)، با اين حال همچنان الگوريتم ژنتيك، بهترين كيفيت حل را در ميان روش هاي ارائه شده دارا مي باشد. از منظر زمان حل مسأله نيز، GTCb در شبكه هاي مورد بررسي، به طور معمول بين 10 الي 1000 مرتبه سريع تر از الگوريتم ژنتيك مجموعه جواب مورد نظر را بدست مي آورد. شبيه سازي هاي انجام شده در بستر مدل هاي RbID و CRbID، ديناميك تعداد آراي كسب شده توسط بازيگران را در شبكه هاي مختلف به نمايش مي گذارد. نتيجه ي اين شبيه سازي ها بيانگر آن است كه، زمان بندي ارسال پيام به گره هاي اوليه، فارغ از قدرت گره هاي منتخب، تأثير بسزايي در ميزان آراء هر بازيكن خواهد داشت. همچنين، در شبيه سازي هاي صورت گرفته بر مدل CRbID، اهميت بهينه سازي محتواي پيام ارسالي به مخاطبين، در كنار زمان¬بندي و انتخاب گره هاي تأثيرگذار، به تصوير در آمده است. به عنوان مثالي براي توضيح مدل CRbID، از شبكه اي واقعي با عنوان C-Friends، استفاده شده است؛ در اين مثال، اپليكيشن تلفن همراهي كه در ابتدا، نسبت به رقيب خود تنها 5.5% آراء افراد شبكه را در اختيار دارد، توانسته است با كمك الگوريتم ژنتيك توسعه داده شده، با ارسال 2 پيام به شبكه، ميانگين ميزان آراء خود را به بيش از 22% افزايش دهد.

190232

دانشگاه علم و صنعت ايران

دكتر احمد ماكويي

صنايع - مدلسازي سيستم هاي كلان

دكتر سيدمحمد سيدحسيني