The effect of network characteristics on competitive performances of centrality-based heuristics in influence maximization
Etki enbüyüklemesinde ağ yapısı özelliklerinin merkeziyet tabanlı sezgisellerin rekabet performansları üzerine etkisi
- Tez No: 652229
- Danışmanlar: DOÇ. DR. GÖNENÇ YÜCEL
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sosyal ağlar zaman ve bütçe kısıtları altında insanların çok çeşitli bilgileri kolaylıkla büyük kitlelere yaymalarını sağlar. Birçok araştırmacı bu kısıtlara karşılık çeşitli çekirdek küme seçim yaklaşımları önermişlerdir. Etki Enbüyüklemesi olarak adlandırılan bu problemde önerilen çekirdek küme seçim yaklaşımları yayılımı ağdaki en etkili kullanıcıları içeren küçük bir alt gruptan başlatmayı amaçlamaktadır. Ancak gerçek hayatta ağda yayılmakta olan ve birbiri ile rekabet eden birden fazla bilgi vardır ve çekirdek küme seçim yaklaşımları rakiplerin birbiri ile olan etkileşiminden de etkilenmektedir. Bu problem Rekabetçi Etki Enbüyüklemesi olarak adlandırılır. Ayrıca yakın zamanda önerilen yaklaşımların performanslarının ağın yapısal özelliklerinden de etkilendiği ortaya çıkarılmıştır. Bu bağlamda bu tezin amacı ağ yapısal özelliklerinin çekirdek küme seçim yaklaşımlarının Rekabetçi Etki Enbüyüklemesi' ndeki performansları üzerindeki doğrudan etkisini araştırmaktır. Bu amacı gerçekleştirmek için 13 gerçek ağ veriseti üzerinde Doğrusal Eşik Modeli' nin bir versiyonu kullanılarak benzetim tabanlı bir çalışma gerçekleştirilmiştir. Beş ana ağ yapısı özelliğinin (ortalama kümelenme katsayısı, ortalama derece, normalleştirilmiş ortalama yol uzunluğu, normalleştirilmiş derece varyansı, yoğunluk) etkisi araştırılmıştır. En yaygın şekilde kullanılan dört merkeziyet tabanlı sezgiselin (arasındalık merkezliği, derece merkezliği, yakınlık merkezliği, öz vektör merkezliği) rekabetçi olan ve olmayan Etki Enbüyüklemesi' ndeki performansları kıyaslanmıştır. Sezgisellerin performanslarının yapısal karakteristik değişimlerine karşı nasıl değiştiği regresyon ağacı metodu kullanılarak yorumlanmıştır. Somut bulgular beklendiği üzere sezgisellerin performanslarının ağdaki bir rakibin varlığına ve bu rakibin tipine karşı duyarlı olduğunu göstermiştir. Ayrıca ağ yapısal özelliklerinin sezgiseller üzerindeki etkilerinin rekabet olan ve olmayan etki enbüyüklemesi arasında farklılık gösterdiği gözlemlenmiştir. Bulgular ağ özelliklerinin etkilerinin ve Rekabetçi Etki Enbüyüklemesi' nin birlikte ele alınması gereken iki konu olduğunun önemini vurgulamaktadır.
Özet (Çeviri)
Online social networks enable people to disseminate a variety of information to masses easily, but under the budget and time constraints. To overcome these constraints, many seed selection approaches have been proposed in the literature to start dissemination from a small subset of people containing the most influential set of users in the network, named as Influence Maximization (IM) problem. The studies in IM have been conducted under the assumption that there is only one type of information spreading over a network. However, in the real world, there are more than one opposing information spreading over networks and performances of approaches are also affected by the competition between them, which is named as Competitive Influence Maximization (CIM) problem. More recently, it has been revealed that performances of approaches are also affected by the network topology. This thesis aims to investigate the direct effects of the network characteristics on performances of seed selection approaches in CIM. In this regard, a simulation-based study is conducted on 13 real-world network datasets by using an extension of Linear Threshold Model. The effects of the five network characteristics (average clustering coefficient, average degree, normalized average path length, normalized degree variance and density) are investigated. Furthermore, performances of the four most commonly used centrality-based heuristics (Betweenness Centrality, Degree Centrality, Closeness Centrality and Eigenvector Centrality) are compared in terms of their non-competitive and competitive performances. To interpret how the performances of the heuristics change in response to the network characteristics, regression tree method is used. According to our concrete findings, heuristics are sensitive to the existence of an opponent in the network and the type of the opponent as it is expected. Furthermore, the effects of the network characteristics differ from non-competitive to competitive environment. The findings emphasize the importance of an integrated perspective in the effects of network characteristics and Competitive Influence Maximization.
Benzer Tezler
- Türk ticari bankalarının örgüt yapıları ve Avrupa Birliğine geçiş süreci içerisindeki uyum çalışmaları
Başlık çevirisi yok
SERKANT GÖNCÜ
Yüksek Lisans
Türkçe
1998
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL HAKKI BİÇER
- Data efficient offline reinforcement learning & reinforcement learning with imitation learning applications to autonomous driving and robotics
Veri verimli çevrimdışı pekiştirmeli öğrenme & taklit öğrenmeyle pekiştirmeli öğrenme otonom sürüş ve robotik uygulamaları
FEYZA NUR EKSEN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Elektrikli araç şarj istasyonlarının şebekeye etkisinin modellenmesi ve yerleşim optimizasyonu
Modeling the effect of electric vehicle charging stations on the grid and placement optimization
MUSTAFA NURMUHAMMED
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TEOMAN KARADAĞ
DOÇ. DR. OZAN AKDAĞ
- Geri dönüştürülebilir atıkların derin öğrenme modelleri ile sınıflandırılması: Veri seti boyutunun etkisi üzerine bir karşılaştırma
Classification of recyclable wastes with deep learning models: A comparison on the effect of dataset size
GAMZE AĞIRTAŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERAP ÇAKAR KAMAN
- Türkiye kentleşmesi için yeni bir yol arayışında orta ölçekli kentler üzerinden kır-kent dayanışma ağları: Kars-Boğatepe örneği
In search of a new approach for Turkey's urbanisation related rural-urban solidarity networks on the basis of medium-sized cities: The case of Kars-Bogatepe
ÇARE OLGUN ÇALIŞKAN
Doktora
Türkçe
2019
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. AZİME TEZER