دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Information and Influence Propagation in Social Networks
دانلود کتاب اطلاع رسانی و انتشار نفوذ در شبکه های اجتماعی
مشخصات کتاب
Information and Influence Propagation in Social Networks
ویرایش: نویسندگان: Wei Chen, Laks V.S. Lakshmanan, Carlos Castillo سری: Synthesis Lectures on Data Management ISBN (شابک) : 9781627051163 ناشر: Morgan & Claypool سال نشر: 2014 تعداد صفحات: 159 زبان: english فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 Mb
قیمت کتاب (تومان) : 53,000
در صورت تبدیل فایل کتاب Information and Influence Propagation in Social Networks به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب اطلاع رسانی و انتشار نفوذ در شبکه های اجتماعی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب اطلاع رسانی و انتشار نفوذ در شبکه های اجتماعی
تحقیقات در شبکه های اجتماعی در دهه گذشته منفجر شده است. تا حد زیادی، رشد چشمگیر رسانه‌های اجتماعی و سایت‌های شبکه‌های اجتماعی آنلاین، که با سرعت بسیار زیادی به رشد خود ادامه می‌دهند، و همچنین افزایش در دسترس بودن مجموعه داده‌های شبکه‌های اجتماعی بسیار بزرگ برای اهداف تحقیقاتی، به این امر دامن می‌زند. بخش غنی از این تحقیق به تجزیه و تحلیل انتشار اطلاعات، نفوذ، نوآوری ها، عفونت ها، شیوه ها و آداب و رسوم از طریق شبکه ها اختصاص یافته است. آیا می‌توانیم مدل‌هایی برای توضیح نحوه وقوع این انتشار بسازیم؟ چگونه می‌توانیم مدل‌های خود را در برابر هر مجموعه داده واقعی موجود متشکل از یک شبکه اجتماعی و ردپای انتشار که در گذشته رخ داده است، تأیید کنیم؟ اینها تنها برخی از سوالاتی است که توسط محققان در این زمینه بررسی شده است. مدل‌های انتشار اطلاعات کاربردهایی را در بازاریابی ویروسی، تشخیص شیوع، یافتن پست‌های وبلاگ کلیدی برای خواندن به منظور گرفتن داستان‌های مهم، یافتن رهبران یا تعیین‌کننده‌های روند، رتبه‌بندی خوراک اطلاعات و غیره پیدا می‌کنند. تعدادی از مشکلات الگوریتمی ناشی از این برنامه‌ها انتزاع و مطالعه شده‌اند. به طور گسترده توسط محققان تحت پوشش بیشینه سازی نفوذ. این کتاب با شرح مفصلی از مدل‌های انتشار به خوبی تثبیت شده، از جمله مدل آبشاری مستقل و مدل آستانه خطی، که در توضیح پدیده‌های انتشار موفق بوده‌اند، آغاز می‌شود. ما ویژگی‌های آن‌ها و همچنین الحاقات متعددی را برای آن‌ها شرح می‌دهیم، و جنبه‌هایی مانند رقابت، بودجه، و زمان بحرانی را در میان بسیاری دیگر معرفی می‌کنیم. ما عمیقاً به مشکل اصلی به حداکثر رساندن نفوذ می پردازیم، که افراد کلیدی را انتخاب می کند تا فعال شوند تا بر بخش بزرگی از شبکه تأثیر بگذارند. به حداکثر رساندن تأثیر در مدل‌های انتشار کلاسیک شامل هر دو مدل آبشار مستقل و مدل آستانه خطی از نظر محاسباتی غیرقابل حل است، به طور دقیق‌تر #P-hard، و ما چندین الگوریتم تقریب و اکتشافی مقیاس‌پذیر را که در ادبیات پیشنهاد شده‌اند، توصیف می‌کنیم. در نهایت، ما همچنین به موضوعات کلیدی می پردازیم که برای تبدیل این تحقیق به عمل باید مورد بررسی قرار گیرد، مانند یادگیری قدرت تأثیرگذاری افراد در یک شبکه بر یکدیگر، و همچنین جنبه های عملی این تحقیق از جمله در دسترس بودن مجموعه داده ها و ابزارهای نرم افزاری برای تسهیل تحقیق. ما با بحث در مورد مشکلات مختلف تحقیقاتی که هم از منظر فنی و هم از نقطه نظر انتقال نتایج تحقیقات به کاربردهای قدرت صنعت باز باقی می‌مانند، نتیجه‌گیری می‌کنیم.
توضیحاتی درمورد کتاب به خارجی
Research on social networks has exploded over the last decade. To a large extent, this has been fueled by the spectacular growth of social media and online social networking sites, which continue growing at a very fast pace, as well as by the increasing availability of very large social network datasets for purposes of research. A rich body of this research has been devoted to the analysis of the propagation of information, influence, innovations, infections, practices and customs through networks. Can we build models to explain the way these propagations occur? How can we validate our models against any available real datasets consisting of a social network and propagation traces that occurred in the past? These are just some questions studied by researchers in this area. Information propagation models find applications in viral marketing, outbreak detection, finding key blog posts to read in order to catch important stories, finding leaders or trendsetters, information feed ranking, etc. A number of algorithmic problems arising in these applications have been abstracted and studied extensively by researchers under the garb of influence maximization. This book starts with a detailed description of well-established diffusion models, including the independent cascade model and the linear threshold model, that have been successful at explaining propagation phenomena. We describe their properties as well as numerous extensions to them, introducing aspects such as competition, budget, and time-criticality, among many others. We delve deep into the key problem of influence maximization, which selects key individuals to activate in order to influence a large fraction of a network. Influence maximization in classic diffusion models including both the independent cascade and the linear threshold models is computationally intractable, more precisely #P-hard, and we describe several approximation algorithms and scalable heuristics that have been proposed in the literature. Finally, we also deal with key issues that need to be tackled in order to turn this research into practice, such as learning the strength with which individuals in a network influence each other, as well as the practical aspects of this research including the availability of datasets and software tools for facilitating research. We conclude with a discussion of various research problems that remain open, both from a technical perspective and from the viewpoint of transferring the results of research into industry strength applications.
