Diffusion in Social Networks

این کتاب مدل‌های پیشرو در انتشار شبکه‌های اجتماعی را ارائه می‌کند که برای نشان دادن گسترش بیماری، ایده‌ها و رفتار استفاده می‌شوند. این مدل‌های انتشار را از حوزه‌های علوم کامپیوتر (آبشار مستقل و آستانه خطی)، جامعه‌شناسی (مدل‌های نوک)، فیزیک (مدل‌های رای‌دهنده)، زیست‌شناسی (مدل‌های تکاملی)، و اپیدمیولوژی (SIR/SIS و مدل‌های مرتبط) معرفی می‌کند. انواع خواص و مشکلات مربوط به این مدل‌ها از جمله شناسایی مجموعه دانه‌ها برای شروع انتشار، مشکلات نظری بازی، پیش‌بینی رویدادهای انتشار و موارد دیگر مورد بحث قرار گرفته‌اند. این کتاب ارتباطات متعدد بین تحقیقات انتشار شبکه های اجتماعی و هوش مصنوعی را از طریق موضوعاتی مانند مدل سازی مبتنی بر عامل، برنامه نویسی منطقی، نظریه بازی، یادگیری و داده کاوی بررسی می کند. این کتاب همچنین نتایج تجربی کلیدی در انتشار شبکه های اجتماعی را بررسی می کند و تحقیقات کلاسیک و پیشرفته را با تمرکز بر مشکلات باز مرور می کند.

This book presents the leading models of social network diffusion that are used to demonstrate the spread of disease, ideas, and behavior. It introduces diffusion models from the fields of computer science (independent cascade and linear threshold), sociology (tipping models), physics (voter models), biology (evolutionary models), and epidemiology (SIR/SIS and related models). A variety of properties and problems related to these models are discussed including identifying seeds sets to initiate diffusion, game theoretic problems, predicting diffusion events, and more. The book explores numerous connections between social network diffusion research and artificial intelligence through topics such as agent-based modeling, logic programming, game theory, learning, and data mining. The book also surveys key empirical results in social network diffusion, and reviews the classic and cutting-edge research with a focus on open problems.