بیشینه سازی انتشار اطلاعات با استفاده از الگوریتم ژنتیک و بهره گیری از جهت انتشاردهندگان موثر

بیشینه سازی انتشار اطلاعات با استفاده از الگوریتم ژنتیک و بهره گیری از جهت انتشاردهندگان موثر
استفاده ترکيبي از تکنيك هاي خوشه بندي و رتبه بندي، روشي مناسب جهت انتشار اطلاعات مي باشد. فرض کنيد قصد داريد يك محصول را در يك شبکه اجتماعي عرضه کنيد درصورتيکه بخواهيد به بدون درنظرگرفتن شرايطي براي انتشار اين کار را انجام دهيد، نياز به صرف هزينه و زمان زيادي براي انتشار داريد.( انتشار اطلاعات توسط الگوریتم ژنتیک)
ترفند ديگر اين است که تنها رتبه بندي افراد را با استفاده از الگوريتمهاي موجود انجام دهيم و افرادي که بالاترين رتبه را دارند، جهت شروع انتشار اطلاعات انتخاب کرده و اقدام به ارائه محصول از طريق آنها کنيم.
ازآنجايي که افراد در شبکه هاي اجتماعي تمايل به ارتباط با دايره دوستان و آشنايان خود دارند ممکن است افراد انتخاب شده در دايره يکساني باشند و افرادي که با آنها ارتباط ندارند از دريافت اطلاعات محروم بمانند
درروش پيشنهادي ابتدا با استفاده از اطلاعات مربوط به خصوصيات و علاقه مندي هاي کاربران فرايند خوشه بندي به طور مؤثر انجام مي شود.
سپس با استفاده از الگوريتم ژنتیک افرادي افراد در هر خوشه مورد ارزيابي قرارگرفته و افراد با امتياز بالاتر به عنوان افراد تأثيرگذار در خوشه شان در نظر گرفته مي شوند و نيز آنجايي که کاربران با تعامل کاربري بالا مي توانند انتشار اطلاعات را در مقياس گسترده اي انجام دهند مي توان گفت هرچه کاربري تعامل کاربري بالاتري داشته باشد انتشار اطلاعات را در مقياس گسترده تري انجام مي دهد. ( انتشار اطلاعات توسط الگوریتم ژنتیک)
درروش پيشنهادي از ميانگين تعاملات کاربران و امتياز کاربران به عنوان معياري جهت تشخيص افراد تأثيرگذار در هر خوشه استفاده خواهد شد.
همچنین در تحقيق جاري ابتدا كاربران شبكه اجتماعي در انجمن هاي مختلفي قرار خواهد گرفت، الگوريتمهاي متعددي جهت اين مورد وجود دارند كه در تحقيق جاري با بهرهگيري از اطلاعات دموگرافيك كاربران نظير سن، جنسيت و شغل اين مهم اتفاق خواهد افتاد در ادامه براي شناسايي گره های مرکزی در هر انجمن از دو رويكرد تعاملي و ساختاري به صورت تلفيقي استفاده ميشود.
در رويكرد ساختاري مواردي نظير درجه اتصال هر نود استفاده ميگردد. در رويكرد تعاملي از مواردي همانند توييتها، ريتوييتها، فالوها، لايكها و … استفاده خواهد شد.
بديهي است در شبكه اجتماعي هر چه تعداد توييتها به يك نود بيشتر باشد و ميزان ريتوييتها به يك نود كمتر باشد، نود مربوطه اثرگذاري بيشتري را در انجمن دارا خواهد بود. رابطه تحليل ارايه شده در تحقيق جاري امكان ارايه يك گره مرکزی و میزان تاثیر آنها در مدل های نشر مطلب را با دقت بالا فراهم مينمايد.( انتشار اطلاعات توسط الگوریتم ژنتیک)
زارعی و همکاران (2018) روش مبتني بر انجمنيابي در شبکه هاي اجتماعی پيچيده را ارائه داده اند.
روشهاي قبلي براي شبکههاي داراي ساختار انجمني محدوديت داشتند به اين صورت که گره های مرکزی در انتشار، تنها بر روي افرادي تأثيرگذار بودند که در انجمن يکساني قرار داشتند]1[.
هوو همکاران(2018) یک روش ارزیابی جدید از گره های مرکزی با استفاده از حفرههای ساختاری به نام E-Burt پیشنهاد کردند که میتواند به شبکههای پیچیده اعمال شود.
این روش به طور کامل شامل تمام نقاط اتصال گره در دامنه محدوده محلی، تعداد لبههای اتصال و توزیع اتصال در آن بود. نتایج شبیه سازی بر روی شبکه اجتماعی دینامیک نشان میدهد که روش پیشنهادی E-Burt میتواند گره های مرکزی را به طور موثر و دقیق در شبکه های پیچیده رتبهبندی کند]16[.صلواتی و همکاران(2018) با استفاده از رويكرد مبتني بر قوانین انجمنی و رتبه بندی، ابتدا در ابتدا ميان مجموعه ساختارهاي داده شده به دنبال زيرساختارهاي مکرر با اندازه كوچك بودند و پس از آن در هر مرحله با يك نود به يك زيرساختار مکرر سبب ایجاد زير ساختار جديدي شدند.
براي افزودن گرهها به يك زير ساختار مکرر، تنها نودهايي مورد استفاده قرار گرفتند كه در مرحله اول بهعنوان گره مکرر شناخته شده باشند.
با ايجاد زير ساختار جديد، مجموعه ساختارها براي مشخص شدن تناوب يا عدم تناوب زیر ساختار جديد مورد پويش قرار میگیرد]3[.
همچنین زارعی و همکاران (2017) روش رتبه بندی را با در نظر گرفتن انجمنهاي شبکه اجتماعی پیچیده، که ميتواند اندازهگيريهاي سنتي را جهت بدست آوردن گره های مرکزی تکميل و انتشار در محدوده وسيعتري را شامل گردد.( انتشار اطلاعات توسط الگوریتم ژنتیک)
هزینه محاسباتي اين روش وابسته به تعداد گرههاي شبکه بوده و وقتي احتمال انتشار يا متوسط درجه گرهها زياد باشد اين روش نميتواند براي شبکههایی با مقياس بزرگ مورد استفاده قرار بگيرد]2[. بیان همکاران(2017) روشي براي شناسايي تاثير گره بر اساس فرآيند تحليل سلسله مراتبي (AHP) ارائه کردند.
AHP، به عنوان یک روش تصمیمگیری چند معیاره در آن زمان است که به یک بخش مهم تصمیمگیری، تبدیل شده است.
هر اندازهگیری دارای معایب و محدودیت های خاص خود است، بنابراین در این روش چندین اندازهگیری متمرکز مختلف را به عنوان چند ویژگی در شبکه پیچیده در نظر گرفته شده است. AHP با تجمیع چند ویژگی برای بدست آوردن ارزیابی تاثیر هر گره استفاده کرده است.
آزمایشات بر روی چهار شبکه واقعی و یک شبکه اطلاع رسانی، نشان دهنده عملی بودن روش پیشنهادی است]17[.
وانگ و همکاران(2016) گرههای مهم، استخراج گرهها از طریق تعداد پیامهای رد و بدل شده، وضعیت یک دوست در یک شبکهی اجتماعی و داشتن یک دانش یا تخصص در یک موضوع خاص را در بسیاری از شبکه اجتماعی مانند فیسبوک مورد بحث قرار دادهاند.
این رویکرد براساس تجمیع امتیازات فردی کاربران برای بدست آوردن امتیاز تخمینی گروه بود.
ازاین رو پایه توصیهگر گروهی ما توصیهگر فردی است که ترجیحات تخمینی کاربران را برای یک مورد داده شده محاسبه کرد]6[. زانگ و همکاران(2015) الگوریتمFP_growth از ساختار پیشوند درختی به نام درخت الگوی مکرر (FP-tree) برای ذخیره تراکنشها استفاده کرد که ازجمله معایب این روش کوچک بودن درخت الگوی مکرر و اشغال کردن فضای بیشتر میباشد. الگوریتم های زیادی برای کاوش الگوي مکرر ارائه شده است ]14[.
لیونگ و همکاران(2014) از یک ساختار درختی به نام درخت دوست اثرگذار استفاده نمودند که به کشف مجموعهای از گره دوست در این درخت انجامید.
چراکه این درخت برای کاربرانی که علاقهمند به پیدا کردن بخشهایی از شبکه اجتماعی میباشند غیرمعمول نیست. در این روش، جهت دستیابی به توصیه بهتر، گروه مناسبی از دوستان خوشه بندی شدند و شباهتهای هرجفت کاربر و همینطور شباهت هر کاربر با هر آیتم محاسبه شد. ارتباطات و تگ ها بعنوان قوانین تنظیم برای ساخت درخت ترکیب شدند.( انتشار اطلاعات توسط الگوریتم ژنتیک)
این روش، در مقایسه با کارهای گذشته در این مقاله با دوستانی که علایق متفاوتی دارند به روش متفاوتی برخورد گردید]4[.
تیان و همکاران(2014) یک سیستم پیشنهاد دهنده را بر اساس تاثیر گرهها در شبکههای اجتماعی با یک مدل مستعمره مستقل ارائه کردند.
در این روش از مرتب سازی ادغامی استفاده شد که یکی از الگوریتمهای مرتب سازی کارآمد است. شباهتها بر اساس مقادیر ویژگیهای مشترک بر روی مقادیر مشخص شده بین ویژگیهای مشترک بین کاربران تمرکز داشت تا مقادیر شباهت تعیین شود.
نتایج نشان داد که مدل ارائه شده در یافتن عدم تشابه کاربران عملکرد بهتری ندارد]5[.
همچنین رویکرد مورد استفاده از توضیحات محصولات برای توصیه استفاده شده و آنها را با توضیحات محصولاتی که کاربر امتیاز داده مقایسه میکند (با ماژول استخراج ترجیحات بدست آمده) و امتیاز محصول هدف را (در ماژول استخراج محتوا محور بدست آمده) بوسیله محاسبه میانگین شبیهترین محصول امتیازداده شده پیشبینی گردید.
در تحقیق جاری ابتدا با بهرهگیری از اطلاعات دموگرافیگ کاربران آنها را در داخل انجمنها از یکدیگر متمایز مینماییم.
در ادامه با بهرهگیری از تعاملات میان کاربران نظیر توئیت و همچنین اطلاعات ساختاری گراف نظير درجه اتصال اقدام به شناسایی گره های مرکزی در هر انجمن و میزان تاثیر آنها در مدل های نشر مطلب با الگوریتم ژنتیک مینماییم.
انجام این مهم امکان برقراري تبلیغات و اطلاع رسانی مناسب در شبکه اجتماعی را مهیا میکند.
د رروش پيشنهادي با در نظر گرفتن انجمنهاي شبکه که مبتني بر خصوصيات فردي موجود در پروفايل کاربران مي باشد.
کاربران را در انجمنهاي مربوطه شان قرار داده شدند. انجمن يابي بر اساس خصوصيات موجود در پروفايل کاربران باوجود امتيازاتي که دارد، ازاين جهت که کاربران به دلايل امنيتي تمايلي به ارائه اطلاعاتشان در اختيار عموم ندارند ضعف دارد.( انتشار اطلاعات توسط الگوریتم ژنتیک)
سپس با در نظر گرفتن اينکه ثابت شده خصوصيات کاربران و شبکه که به ترتيب تعاملات کاربران و درجه کاربران نقش مهمي در مقياس انتشار اطلاعات دارند، درجه تعاملات کاربران به دست آورده خواهد شد.
درنهايت با توجه به اينکه الگوریتم ژنتیک زمينه يافتن رتبه کاربران بسيار مؤثر عمل مي کند امتياز کاربران در هر انجمن به دست می اید و از ميانگين اين دو معيار به عنوان معياري براي تأثيرگذاري کاربر قرار داده خواهد شد.
برای مشاهده مطالب بیشتر به سایت فرزدان مراجعه نماید.
دیدگاهتان را بنویسید