بهینه سازی فرآیند بیشینه سازی تاثیر پویا در شبکه های اجتماعی

مسئله بیشینه سازی تاثیر فرآیندی است که هدف از آن یافتن مجموعه کوچکی از با نفوذترین کاربران در یک شبکه اجتماعی است که موجب بیشترین میزان پذیرش اطلاعات در میان مابقی کاربران شبکه می گردند. اغلب راه حل های ارائه شده برای مسئله بیشینه سازی تاثیر بر این فرض استوارند که کاربران متناسب با احتمالی مشخص بر یکدیگر تاثیر می گذارند یا اعتماد میان کاربران در شبکه های اجتماعی عاملی ثابت در زمان است. بعلاوه این راه حل ها به منظور استفاده از دو فاکتور اعتماد و تاثیرگذاری، از حاصل ضرب آن ها استفاده کرده-اند. اما در واقعیت، نه احتمال تاثیرگذاری کاربران بر یکدیگر مشخص است و نه میزان اعتماد میان کاربران مقدار ثابتی دارد. بعلاوه، استفاده از عملگر ضرب بدون درنظر گرفتن هیچ محدودیتی، ممکن است قادر به نمایش برخی حالت های پیرامون ما نباشد. در این مقاله، مسئله بیشینه سازی تاثیر در شرایطی مورد بررسی قرار می گیرد که اطلاعاتی در رابطه با احتمال تاثیرگذاری کاربران بر یکدیگر در دسترس نیست، میزان اعتماد میان افراد در طول اجرای الگوریتم مقداری پویا دارد و در نهایت با در نظر گرفتن محدودیت هایی در ترکیب دو فاکتور اعتماد و میزان تاثیرگذاری، قادر به پوشش حالت های خاص دنیای واقعی است. ما این مسئله را بهینه سازی فرآیند بیشینه سازی تاثیر پویا در شبکه های اجتماعی می نامیم. نتایج بررسی های انجام شده بر روی مجموعه داده های دنیای واقعی و مصنوعی نشان دهنده بهینه سازی روش های پیشین توسط الگوریتم ارائه شده می باشد.