چکیده فارسی :

شبکه­ های اجتماعی را از دو حیث می­توان بررسی کرد :مطالعه ویژگی­ های ساختاری و تحلیل محتوایکی از مهم­ترین مشکلات در زمینه شبکه­ های اجتماعی، یافتن تاثیرگذارترین موجودیت(نود) موجود در شبکه است. این امرمهم بیشترین اهمیت را در بازاریابی ویروسی دارد، چون­که نهادهای تاثیرگذار می­توانند برای تایید محصولات جدید در بازار مورد هدف قرار گیرند.با این حال، کشف مناسب­ترین گره در یک شبکه اجتماعی یک مسئله NP-hard ثابت شده است و الگوریتم­ ها نمی­توانند به ­صورت دقیق طراحی شوند.

این چالشی که گفته شد یک زمینه وسیعی برای توسعه متدهای تقریبی و الگوریتم­هایی که قادر به تولید راه­ حل ­هایی با تضمین تقریبی اثبات شده هستند، ایجاد می­کند. الگوریتم حریصانه به عنوان پایه ای برای اکثر الگوریتم های موجود برای مقابله با این مشکلات طراحی شده است. الگوریتم حریص می تواند یک تقریب خوب را بدست آورد ، اما از نظر محاسباتی گران است.

بنابراین ، در این مقاله یک رویکرد دو سطحه ارائه شده است که بر اساس مدل اپیدمی(مسری) مشکوک به عفونت (Suspected-Infected) یا SI برای به حداکثر رساندن گسترش نفوذ طراحی شده است. ما بیشتر پیشنهاد می کنیم که، برای ارتقاء بیشتر عملکرد الگوریتم پیشنهادی از نظر گسترش نفوذ در ثانیه، رویکرد multi threading برای پیاده­ سازی الگوریتم برای مدلهای SI پیشنهادی مورد توجه قرار بگیرد.

چکیده انگلیسی:

Social network mining can be divided into two categories, namely, the study of structural characteristics and content analysis. One of the most significant problem in the context of a social network is finding the most influential entities within the network. This task has significance in viral marketing, since the most influential entities can be targeted for endorsing new products in the market. However, the problem of discovering the most persuasive node in a social network has proved to be NP-hard and also the exact algorithms cannot be designed. This creates a wide scope for developing approximation methods and algorithms that are able to produce solutions with proven approximation guarantees. Greedy algorithm serves as a base for most of the existing algorithms designed for dealing with these problems. Greedy algorithm can achieve a good approximation, but it is found to be computationally expensive. Therefore, in this paper we propose a two level approach, designed based on Suspected-Infected (SI) epidemic model for maximizing the influence spread. We further propose that, multi threading approach for implementation of algorithm for the proposed SI model aids to further elevate the performance of proposed algorithm in terms of influence spread per second.