با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
دسته بندی:
شبکه های اجتماعی - Social Networks
سال انتشار:
2018
ترجمه فارسی عنوان مقاله:
پیش بینی موازی اطلاعات سراسر جامعه با به دست آوردن داده ها از شبکه های اجتماعی
عنوان انگلیسی مقاله:
Parallel forecasting of community-wide information spread with assimilation of social network data
منبع:
sciencedirect - elsevier - Procedia Computer Science 136 (2018) 228–235
نویسنده:
Oksana Severiukhina, Sergey Kesarev, Max Petrov and Klavdiya Bochenina
چکیده انگلیسی:
Nowadays, social networks have become one of the main sources of information. There are many factors affecting the information
spreading. On the one hand, we must take into account the features of post and information sources, on the other hand, it is necessary
to understand how users react to posts. Moreover, social networks (as well as some natural and technical systems) allow for
collecting the data about the actual state of a dynamical process, thus providing the input data for assimilation within the simulation.
In this paper, we propose a multi-agent approach for predicting the dissemination of information taking into account both
retrospective data and information about the states of the agents within a social network at the current moment. During simulation
ocess, the model receives network state data in form of batches and can modify internal parameters for more accurate prediction.
The parallel realization of this approach allows to perform simulation at a reasonable time. The results show that the accuracy of
prediction may be significantly improved using additional information collected from an online social network.
Keywords: social network | parallel algorithm | forecasting | information spread
چکیده فارسی:
امروزه شبکه¬های اجتماعی به یکی از منابع اصلی اطلاعات تبدیل شده است. عوامل بسیاری بر این گسترش اطلاعات تأثیر دارد. از یک سو، ما باید به گزارش ویژگی¬های پست و منابع اطلاعات بپردازیم، از سوی دیگر، لازم است تا درک کنیم که چگونه کاربران روی پست ها واکنش نشان می دهند. علاوه بر این، شبکه های اجتماعی (و همچنین برخی از سیستم های طبیعی و فنی) به ما برای جمع آوری این داده ها در باره حالت واقعی روند دینامیک امکان می دهد، بدین ترتیب این ورودی داده ها امکان ادغام در داخل این شبیه سازی را فراهم می¬آورد. در این مقاله، ما یک رویکرد چند عاملی برای پیش بینی انتشار اطلاعات را با توجه به داده های گذشته و اطلاعات مربوط به وضعیت عامل ها در یک شبکه اجتماعی پیشنهاد می¬کنم. در طی روند شبیه سازی، این مدل حالت شبکه داده ها را در فرم دسته ای دریافت می کند و می توان مولفه های داخلی برای پیش بینی دقیق¬تر را تغییر دهد. تحقق موازی این روش به ما امکان می دهد تا شبیه سازی را در یک زمان معقول انجام دهیم. نتایج نشان می¬دهد که با استفاده از اطلاعات اضافی جمع آوری شده از شبکه اجتماعی آنلاین، دقت پیش بینی می تواند به طور قابل توجهی بهبود یابد.
کلید واژه ها: شبکه اجتماعی | الگوریتم موازی | پیش بینی | اطلاعات گسترده
حجم فایل: 466 کیلوبایت
قیمت: 54600 تومان
توضیحات اضافی:
تعداد نظرات : 0