دانلود ترجمه مقاله الگوریتم جهش ترکیبی قورباغه جهت شناسایی گره های نفوذ

1. مقدمه 2. تحقیقات مرتبط 3. مقدمات 4. روش پیشنهادی 5. آزمایشات و آزمون‌های آماری 6. نتیجه گیری و تحقیقات آینده

چکیده – هدف از مسئله حداکثر سازی تأثیر، انتخاب مجموعه‌ای از k گره با بیشترین نفوذ از یک شبکه است به‌طوری‌که انتشار تأثیر توسط مجموعه دانه حداکثر خواهد شد. الگوریتم‌های حریصانه جهت تقریب انتشار تأثیر مورد انتظار مجموعه گره به‌صورت دقیق زمان‌بربوده و برای شبکه‌های بزرگ به‌ویژه در صورت بزرگ بودن احتمال انتشار، قابل مقیاس بندی نیستند. الگوریتم‌های اکتشافی معمول بر اساس توپولوژی شبکه یا مسیرهای انتشار محدود از مسئله دقت جواب کم یا هزینه حافظه هنگفت، آسیب‌دیده‌اند. در این مقاله، یک الگوریتم جهش ترکیبی قورباغه (DSFLA) جهت حل مسئله بیشینه‌سازی تأثیر به‌صورت کاراتر، پیشنهاد می‌شود. مکانیزم رمزگذاری جدید و قوانین تکاملی گسسته بر اساس ساختار توپولوژی شبکه برای جمعیت قورباغه‌های مجازی، ارائه می‌شوند. جهت تسهیل در پاسخ اکتشافی کلی، یک مکانیزم بهره‌برداری محلی جدید با ترکیب استراتژی‌های تعینی و مسیر تصادفی جهت بهبود میم زیر بهینه هر ممپلکس در جمعیت قورباغه ها ارائه می‌شود. نتایج آزمایشگاهی انتشار مؤثر در شش شبکه واقعی و آزمون‌های آماری نشان می‌دهند که DSFLA از عملکرد مؤثری در انتخاب گره‌های دانه نفوذی هدفمند جهت حداکثر شدن تأثیر برخوردار بوده است و عملکرد بهتری نسبت روش‌های جدید جایگزین داشته است. مقدمه: شبکه‌های اجتماعی به پلتفرم‌های قدرتمندی جهت انتشار اطلاعات و بازاریابی ویروسی با همراهی میلیاردها کاربر وفادار، تبدیل‌شده‌اند. عامل اصلی گسترش‌دهنده این قابلیت‌ها، تأثیرگذاری اجتماعی است که تعاملات بین افراد را در شبکه هدایت کرده و بر اساس اعتماد و شهرت قابل ارزیابی است. یکی از کاربردهای معمول شبکه اجتماعی، بازاریابی ویروسی است که نشان‌دهنده اثر مهم بازاریابی دهان‌به‌دهان (کلامی) جهت ایجاد رابطه مؤثر بین شخصی مصرف‌کنندگان است که می‌تواند نگرش‌ها و رفتارهای مصرف‌کنندگان را شکل دهد. مسئله حداکثر شدن تأثیر جهت انتخاب مجموعه‌ای از K گره دانه نفوذی که می‌توانند انتشار تأثیر را در شبکه به حداکثر برسانند، هدف‌گیری شده است. این مسئله در ابتدا توسط دومینگوس و ریچاردسون برحسب دیدگاه شبکه مورد اشاره قرار گرفت به‌طوری‌که مطلوب‌ترین مشتریان جهت حداکثر شدن سود مورد انتظار جهت فعالیت تبلیغاتی یک محصول، شناسایی می‌شوند.

Influence maximization problem aims to select a subset of k most influential nodes from a given network such that the spread of influence triggered by the seed set will be maximum. Greedy based algorithms are time-consuming to approximate the expected influence spread of given node set accurately and not well scalable to large-scale networks especially when the propagation probability is large. Conventional heuristics based on network topology or confined diffusion paths tend to suffer from the problem of low solution accuracy or huge memory cost. In this paper an effective discrete shuffled frog-leaping algorithm (DSFLA) is proposed to solve influence maximization problem in a more efficient way. Novel encoding mechanism and discrete evolutionary rules are conceived based on network topology structure for virtual frog population. To facilitate the global exploratory solution, a novel local exploitation mechanism combining deterministic and random walk strategies is put forward to improve the suboptimal meme of each memeplex in the frog population. The experimental results of influence spread in six real-world networks and statistical tests show that DSFLA performs effectively in selecting targeted influential seed nodes for influence maximization and is superior than several state-of-the-art alternatives. Introduction Social networks have become powerful platforms for information diffusion and viral marketing by expanding billions of loyal users. An underlying cause fostering the capabilities is the social influence, which maps the interactions between individuals in the network and can be evaluated based on trust and reputation [1]. One of the typical applications promoted by social network is the viral marketing [2], which appreciates the important effect of ‘word-of-mouth’ that indwells the interpersonal influence relationship of consumers and can reshape consumers’ attitudes and behaviors [3]. Influence maximization problem is targeted to select a subset of k influential seed nodes that can maximize the spread of influence into the network. The problem was coined by Domingos and Richardson [4] firstly in terms of network perspective through which the most potential customers are identified to maximize the expected profit of a product promotion activity.

بخشی از ترجمه مقاله (صفحه 20 فایل ورد ترجمه)