رویکردی نوین برای بیشینه سازی نفوذ در شبکه های اجتماعی با استفاده از مکانیزم توجه گراف

چکیده مقاله

مسئله بیشینه سازی نفوذ IM در شبکه های اجتماعی، با هدف یافتن مجموعه ای کوچک از گره های اولیه برای به حداکثر رساندن انتشار اطلاعات، یکی از چالش های بنیادین در تحلیل شبکه ها محسوب می شود علیرغم تحقیقات گسترده، روش های موجود همچنان با چالش تعادل میان دقت و کارایی روبرو هستند الگوریتم های سنتی شبیه سازی دقیق اما کند هستند و روش های هیوریستیک سریع، اغلب دقت پایینی دارند در این مقاله، یک رویکرد یادگیری عمیق نوین پیشنهاد شده است که برخلاف روش های مبتنی بر کانولوشن گراف که وزن های ثابتی برای همسایگان در نظر می گیرند، از مکانیزم توجه برای یادگیری پویای اهمیت گره ها استفاده می کند روش پیشنهادی ابتدا با استفاده از گراف های مصنوعی آموزش دیده و سپس برای پیش بینی نفوذ در شبکه های واقعی به کار گرفته می شود نتایج ارزیابی بر روی داده های واقعی نشان می دهد که روش ارائه شده از نظر کیفیت انتشار نفوذ با روش های حریصانه برابری کرده و نسبت به روش های یادگیری عمیق اخیر عملکرد برتری دارد، ضمن اینکه زمان اجرای آن برای شبکه های بزرگ بسیار مقرون به صرفه است

کلیدواژه‌ها

نویسندگان

محمد مهدی کیخا

استادیار، دانشگاه سیستان و بلوچستان، زاهدان

کیخا، محمد مهدی،1404،رویکردی نوین برای بیشینه سازی نفوذ در شبکه های اجتماعی با استفاده از مکانیزم توجه گراف،پنجمین همایش ملی و نخستین همایش بین المللی محاسبات نرم علوم مهندسی در صنعت و جامعه،ایرانشهر

ارائه‌شده در

مجموعه مقالات دهمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران26 بهمن 1404 · ایرانشهر