TỐI ƯU HÓA ẢNH HƯỞNG CỦA ĐỐI TƯỢNG TRÊN MẠNG XÃ HỘI

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Trần Thị Sim TỐI ƯU HÓA ẢNH HƯỞNG CỦA ĐỐI TƯỢNG TRÊN MẠNG XÃ HỘI KHOÁ LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Cơng nghệ thơng tin HÀ NỘI - 2013 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Trần Thị Sim TỐI ƯU HÓA ẢNH HƯỞNG CỦA ĐỐI TƯỢNG TRÊN MẠNG XÃ HỘI KHỐ LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY Ngành: Công nghệ thông tin Cán hướng dẫn: PGS.TS Hà Quang Thụy Cán đồng hướng dẫn: ThS.NCS Vũ Ngọc Trình HÀ NỘI - 2013 HÀ NỘI - 2013 LỜI CẢM ƠN Trước tiên, tơi xin bày tỏ lịng biết ơn chân thành sâu sắc tời Thầy giáo, PGS-TS Hà Quang Thụy ThS Vũ Ngọc Trình tận tình hướng dẫn, động viên giúp đỡ tơi suốt q trình thực khóa luận Tơi xin bày tỏ lời cảm ơn sâu sắc dến thầy cô giáo giảng dạy suốt bốn năm học qua, cho kiến thức quý báu để tơi vững bước đường Tơi xin gửi lời cảm ơn đến anh chị bạn phòng nghiên cứu KTLab nhiệt tình bảo trình tham gia nghiên cứu khoa học làm khóa luận Tơi xin gửi lời cảm ơn tới bạn lớp K54CD ủng hộ, khuyến khích suốt q trình học tập trường Và lời cuối cùng, xin bày tỏ lịng chân thành biết ơn vơ hạn tới cha mẹ, anh chị tôi, người ln bên cạnh tơi lúc tơi khó khăn nhất, giúp tơi vượt qua khó khăn học tập sống Hà Nội, ngày 15 tháng 05 năm 2013 Sinh viên Trần Thị Sim i TÓM TẮT Bài toán tối đa hiệu ảnh hưởng đối tượng mạng xã hội việc tìm kiếm tập nhỏ nút (các nút nhân) mạng xã hội để lan truyền thông tin hiệu Khóa luận nghiên cứu phương pháp tối đa hiệu ảnh hưởng đối tượng mạng xã hội dựa phương pháp giảm bậc dựa kinh nghiệmDegreeDiscount Wei Chen cộng đề xuất vào năm 2009 [1] tiếp tục phát triển Manuel Gomez-Rodriguez Bernhard Scholkopf, 2012 [2], Bo Liu cộng sự, 2012 [12] Trên sở tìm hiểu phân tích số hướng tiếp cận tốn tối đa hiệu ảnh hưởng đối tượng mạng xã hội [1, 2, 12], khóa luận áp dụng phương pháp tối đa hiệu ảnh hưởng dựa việc giảm bậc theo kinh nghiệm Theo tiếp cận đó, khóa luận đưa mơ hình để tìm nút “nhân” với thành phần mơ hình trình bày tường minh Khóa luận tiến hành thực nghiệm mơ hình liệu lấy từ arXiv.org Phân tích kết thực nghiệm, khóa luận chứng tỏ mơ hình khả quan tiếp tục phát triển tiếp ii LỜI CAM ĐOAN Em xin cam đoan phần nghiên cứu thực khóa luận riêng em, hướng dẫn PTS.TS Hà Quang Thụy ThS Vũ Ngọc Trình, khơng chép từ cơng trình nghiên cứu khác Em trích dẫn đầy đủ tài liệu tham khảo, cơng trình nghiên cứu liên quan nước quốc tế.Nếu sai em xin chịu hoàn toàn trách nhiệm chịu kỷ luật ĐHQH Hà Nội Nhà trường Hà Nội, ngày 15 tháng năm 2013 Sinh viên Trần Thị Sim iii MỤC LỤC LỜI CẢM ƠN i TÓM TẮT ii LỜI CAM ĐOAN iii MỤC LỤC iv Danh sách bảng vi Danh sách hình vẽ vii Danh sách từ viết tắt viii Mở đầu Chương Giới thiệu toán tối ưu ảnh hưởng đối tượng mạng xã hội 1.1 Phân tích mối quan hệ mạng xã hội 1.2 Tối ưu ảnh hưởng đối tượng mạng xã hội 1.2.1 Động lực mục đích 1.2.2 Phát biểu tốn tối ưu hóa ảnh hưởng đối tượng mạng xã hội Chương 2.Một số hướng tiếp cận toán tối ưu hóa ảnh hưởng đối tượng mạng xã hội 2.1 Tối ưu hóa ảnh hưởng theo thời gian liên tục mạng khuếch tán 2.2 Tối ưu ảnh hưởng đối tượng dựa cải tiến thuật toán tham ăn Greedy giảm bậc - DeegreeDiscount .13 2.2.1 Cải tiến thuật toán Greedy 14 2.2.2 Thuật toán DegreeDiscountIC 18 Chương Phương pháp tối ưu hóa ảnh hưởng đối tượng - DegreeDiscountIC .22 3.1 Mơ tả tốn giảm bậc dựa kinh nghiệm DegreeDiscount .22 3.2 Mô hình đề xuất 22 Chương 4.Thực nghiệm đánh giá kết 26 iv 4.1 Mô tả thực nghiệm 26 4.2 Dữ liệu thực nghiệm 26 4.2.1 Đặc trưng sở liệu trang arXiv.org 26 4.2.2 Xây dựng tập liệu 28 4.3 Thực nghiệm 30 4.3.1 Môi trường thực nghiệm 30 4.3.2 Mơ tả cài đặt chương trình 30 4.4 Đánh giá kết 35 4.5 Nhận xét 38 Kết luận 39 v Danh sách bảng Bảng 2-1: Một số biến quan trọng sử dụng đồ thị G 14 Bảng 2-2 : Thuật toán Greedy………………………………………………… 15 Bảng 2-3: Thuật toán NewGreedyIC 16 Bảng 2-4: Thuật toán NewGreedyWC 18 Bảng 2-5: Thuật toán DegreeDiscountIC 20 Bảng 4-1 Cấu hình phần cứng 30 Bảng 4-2: Công cụ phần mềm 30 Bảng 4-3: Bản phân tách ghi file arXiv.html .31 Bảng 4-4: Bảng ghi tên tác giả sau ghi gán ID 32 vi Danh sách hình vẽ Hình 1: Một mơ hình đồ thị mạng xã hội Hình 2: Thơng tin lan truyền mạng xã hội .6 Hình 3: Mơ tả tốn Hình 4: Tập nút ảnh hưởng, nút vơ ích, nút khơng tác dụng .9 Hình 5: Điều tra hàm ảnh hưởng 𝜎(𝐴; 𝑇) 11 Hình 6: Biểu diễn hàm ảnh hưởng 𝜎(𝐴; 𝑇) 12 Hình 7: Hàm ảnh hưởng 𝜎(𝐴; 𝑇) mạng lớn nhỏ 13 Hình 8: Thơng tin trang arXiv.org 23 Hình : Quá trình xây dựng tập liệu 27 Hình 10: Cấu trúc ghi arXiv.html 28 Hình 11:Mơ hình đề xuất 29 Hình 12: Phân tích cú pháp arXiv.org 32 Hình 13: Dữ liệu đầu vào thuật toán 33 Hình 14:ID tập nút “nhân” ảnh hưởng bậc chúng 35 Hình 15: Lan truyền ảnh hưởng thuật tốn khác với mơ hình IC 36 Hình 16 :Thời gian chạy thuật toán khác 37 vii Danh sách từ viết tắt Viết tắt IC WC CELF Từ cụm từ Independent Case Weight Case Cost Effective Lazy Forward viii Chương 4.Thực nghiệm đánh giá kết 4.1 Mô tả thực nghiệm Dựa mơ hình đề xuất chương ba, khóa luận tiến hành thực nghiệm để tìm tập nhân gồm 50 nút có ảnh hưởng mạng, bên cạnh tính thời gian chạy thực nghiệm Từ thực so sánh kết với phương pháp khác để đưa đánh giá, cho thấy tính đắn mơ hình, rút mặt hạn chế , từ xây dựng định hướng nghiên cứu Khóa luận tiến hành thực nghiệm theo phần sau : Phần : Thực nghiệm tiến hành việc lấy liệu từ trang arXiv.org, phân tích liệu lấy tên tác giả Phần 2: Thực nghiệm tiến hành gán ID cho tên tác hình , gắn cặp ID để tạo thành cặp ( đỉnh, hàng xóm đỉnh) Phần : Tiến hành cài đặt thuật toán DegreeDiscountIC, với liệu đầu vào kết đầu phần 2, đầu 50 nút “nhân” có ảnh hưởng 4.2 Dữ liệu thực nghiệm 4.2.1 Đặc trưng sở liệu trang arXiv.org Trang arXiv phát triển Paul Ginsparg (1991) sở liệu lưu trữ điện tử dạng tiền in ấn (hoặc nháp) báo khoa học lĩnh vực toán học, vật lý, khoa học máy tính, sinh học, thống kê người truy cập miễn phí Sự tồn trang Web yếu tố tác động dẫn đến chuyển động việc xuất khoa học.Các nhà khoa học thường xuyên tải lên viết họ lên arXiv.org để truy cập tồn giới để đánh giá trước chúng cơng bố tạp chí phản biện ngang hàng Các thực thể arXiv : Trang web lưu trữ nhiều báo báo khoa học, chia nhiều lĩnh vực xếp theo thứ tự từ xuống gồm : Physics, Mathematics, Computer Science, Quantitative Biology, Quantitative Finance, Statistics,… Mỗi lĩnh vực lại chia nhiều miền cụ thể lĩnh vực đó, chẳng hạn Physics có High Energy Physic, Mathematical Physics,Nuclear Theory,… Mức trang web người truy cập tìm xác cơng bố theo năm, theo thời gian đăng tải gần nhất, hay theo ngày tháng cụ thể 26 Tên của báo đăng tải, tên tác giả báo, với số trang bình luận, số người bình luận mức độ trang arXiv Trên arXiv, thực thể liên kết với trang arXiv khác mô tả liên quan đến thực thể theo cách : thực thể xuất trang arXiv này, liên kết tới trang arXiv mô tả thông tin liên quan Ví dụ : click vào tên tác giả, chuyển đến trang liệt kê tất báo khoa học người này, người đồng tác giả Hình : Thông tin trang arXiv Trong lĩnh vực nghiên cứu khoa học nay, số lượng báo cơng bố tăng với tốc độ nhanh chóng Mặc dù arXiv khơng có q trình phản biện ngang hàng, có nhóm giám khảo cho lĩnh vực để giám sát viết tải lên họ sửa đổi thể loại viết mà họ cho lạc đề Phần lớn viết đưa vào arXiv xuất báo chí khoa học chun ngàng, nhiên có số cơng trình, kể cơng trình có ảnh hưởng lớn, xuất dạng điện tử chưa xuất báo chí khoa học Theo thống kê, đến cuối năm 2008, arXiv.org vượt qua mốc lưu trữ nửa triệu bà báo, với gần 5000 điện tử thêm vào hàng tháng [11] 27 arXiv cung cấp mục phân loại, xếp liệu cho phép liên kết từ trang tới mục phân loại tương ứng Một trang liên kết với nhiều mục Mỗi báo cơng bố arXiv, có trang riêng, bao gồm tiêu đề, tên tác giả đồng tác giả, tóm tắt ngắn gọn nội dung công bố, cung cấp số trang, số hình ảnh, số bảng biểu Một số từ coi từ khóa cơng bố đó, arXiv cung cấp tiện ích giúp người truy cập tải đăng hoàn chỉnh theo nhiều định dạng khác Với số lượng danh sách nghiên cứu đăng tải danh sách tên tác giả, nhận thấy arXiv sở liệu phục vụ tốt cho việc tối ưu ảnh hưởng đối tượng mạng arXiv phát triển từ thực nghiệm nhỏ cho dịch vụ Web Server cho cộng đồng nghiên cứu khoa học Việc lấy liệu từ trang arXiv lưu trữ file html, vấn đề đặt trích chọn liệu bao gồm tên tác giả, đồng tác giả báo, từ tìm quan hệ họ qua cơng bố chung, để phục vụ cho liệu toán 4.2.2 Xây dựng tập liệu Mơ hình thu thập liệu : Parser Name arXiv.html Author Hình 10 : Quá trình xây dựng tập liệu 28 Với ghi liệu crawler từ trang arXiv.org , có dạng file html có cấu trúc tương tự : Hình 11 : Cấu trúc ghi arXiv.html Sau tiến hành parse arXiv.html ( phân tích cú pháp file html), thu tập liệu dùng làm đầu vào cho toán : danh sách tác giả (author), cung cấp cho tên tác giả ID, sau tạo tất cạnh dựa vào quan hệ đồng tác giả ( cặp số nguyên ID) 29 4.3 Thực nghiệm 4.3.1 Môi trường thực nghiệm a) Cấu hình phần cứng Bảng 4-1: Cấu hình phần cứng Thành phần Chỉ số CPU Intel Core i3 2.27Ghz RAM 2G HDD 320G OS Window - 32 bit b) Công cụ phần mềm Bảng 4-2: Công cụ phần mềm STT Tên phần mềm Tác giả Cygwin 4.3.2 Nguồn http://cygwin.com/install.html Mơ tả cài đặt chương trình  Xây dựng tập liệu arXiv.html Chúng tơi cài đặt chương trình Grab.cpp để tải liệu từ trang arXiv.org dạng file html Grab.cpp sử dụng lệnh hệ thống “-wget” để lấy trang từ internet Trên windows, chạy chương trình Cygwin cài đặ cửa sổ phiên “wget” Trong liệu, quan tâm tới tên tác giả Chúng xem nghiên đăng kèm theo danh sách tác giả Các thông tin khác : số trang , tên tiêu đề, năm xuất bản,…có thể bỏ qua 30 Cấu trúc ghi arXiv miêu tả : Bảng 4-3 : Phân tích ghi arXiv.html Title: supersymmetry and Wick rotations Instantons, Euclidean Authors: A.V Belitsky, S Vandoren, P van Nieuwenhuizen Comments: pages, LaTeX, typos fixed Journal-ref: Phys.Lett B477 Việc phân tích ghi html để lấy liệu đầu vào cho thuật toán (2000) 335-340 cài đặt project crawler, có nhiệm vụ lậy tên tác giả, gán ID tạo cạnh ( cặp ID) Subjects:High Energy Physics - Theory (hep-th) 31 Hình 12 : Bộ phân tích cú pháp arXiv.html Chương trình Namelist.cpp có nhiệm vụ trích lấy tên tác giả file html từ thẻ Authors:, sau gán cho tên ID, cho đầu file namelist.txt Bản ghi namelist.txt có dạng sau Bảng 4-4 : Bản ghi tên tác giả sau gán ID /find/hep-th/1/au:+Horne_J/0/1/0/all/0/1 /find/hep-th/1/au:+Horowitz_G/0/1/0/all/0/1 /find/hep-th/1/au:+Huitu_K/0/1/0/all/0/1 /find/hep-th/1/au:+Nemeschansky_D/0/1/0/all/0/1 /find/hep-th/1/au:+Ooguri_H/0/1/0/all/0/1 /find/hep-th/1/au:+Sasakura_N/0/1/0/all/0/1 /find/hep-th/1/au:+LeCLair_A/0/1/0/all/0/1 /find/hep-th/1/au:+Smirnov_F/0/1/0/all/0/1 /find/hep-th/1/au:+Sonnenschein_J/0/1/0/all/0/1 /find/hep-th/1/au:+Yankielowicz_S/0/1/0/all/0/1 Sau ghi namelist.txt trở thành đầu vào edges Chương trình có /find/hep-th/1/au:+Lerche_W/0/1/0/all/0/1 nhiệm vụ tạo cạnh cách ghép cặp ID, đầu liệu cuối 32 mà chương trình sử dụng Dữ liệu lưu file edges.txt, ghi có dạng sau : Hình 13 : Dữ liệu đầu vào thuật toán File liệu đầu vào mơ tả sau : Dòng : Hai số nguyên n m n số nút đồ thị, tất nút đánh số từ đến n-1, m số cạnh, nhiều cạnh cặp nút tính cho nhiều lần Dịng đến m+1: Có m dịng.Mỗi dịng chứa số nguyên, đại diện cho hai đỉnh kết nối thành cạnh.Như đề cập trên, có hai nhiều cạnh cặp nút, id chúng xuất nhiều lần Như vậy, sau xử lý liệu, xây dựng đồ thị G với đỉnh danh sách tác giả, cạnh đường liên kết tác giả với tác giả khác 33 Tiếp đến, sử dụng liệu đồ thị G, tiến hành xử lý tìm tập nút có ảnh hưởng  Cài đặt thuật tốn DegreeDiscountIC Thuật tốn cài đặt file degreediscount_ic.cpp cài đặt với thư viện degreediscount_ic.h Ngoài sử dụng thư viện limit.h, thư viện dùng để khai báo số tham số tổng số đỉnh, tổng số cạnh, tổng số nút tập cần lấy cho tập nhân S, hàm graph.cpp, thư viện graph.h dùng để đọc liệu đầu vào từ đồ thị, khai báo phương thức để kết nối cạnh với nhau, tạo thành đồ thị G, làm đầu vào cho thuật tốn Ở file Degreediscount_ic.cpp có hàm : hàm Build( double ratio), hàm BuildFromFile() GetNode(int i) - Hàm Build (double ratio) : hàm duyệt qua tất đồ thị G, làm hàm - cài đặt thuật tốn DegreeDiscountIC nói phần 2.5 Hàm BuildFromFile() : hàm dùng để ghi kết từ file - Hàm GetNote(int i) Các hàm liên quan gọi hàm main, cịn có toSimulate() hàm tính tốn thời gian chạy thuật tốn để tính tốn thời gian chạy thuật tốn, từ có kết để so sánh ưu điểm thuật toán so với thuật toán khác Kết chạy hàm main cho ta file kết IC_DiscountIC.txt, gồm 50 nút có ảnh hưởng mạng file time_degreediscount_ic.txt cho ta biết thời gian chạy thuật toán với đầu vào dùng  Kết thực nghiệm cài đặt thuật toán DegreeDiscountIC Kết cho file đầu degreediscount_ic.txt, với ID nút “nhân”, theo thứ tự có khả lan truyền ảnh hưởng tốt nhất, ghi có dạng sau : 34 Hình 14 : ID tập nút “nhân” có ảnh hưởng bậc chúng Bên cạnh đó, thời gian chạy thuật tốn tính tốn cho kết file đầu time_degreediscount_ic.txt, thời gian chạy thuật toán ngắn, 0.182666 s 4.4 Đánh giá kết Trích xuất từ hai lĩnh vực khoa học khác trang arXiv.org, nút mạng biểu thị cho tác giả, số cạnh cặp nút số báo mà tác giả cộng tác Dữ liệu lấy từ “High Energy Physics-Theory” chọn lựa từ váo từ năm 1991 đến năm 2003 với 50 000 nút gần 300 000 cạnh 35 Thực thực nghiệm thuật toán so sánh với kết thực nghiệm Wei Chen [1] cộng thực hiện, thấy có kết trùng khớp với thuật tốn DegreeDiscountIC so sánh với thuật toán khác mà tác giả cài đặt thấy : Thuật toán tốn CELFGreedy cho kết tốt nhất, sau thuật toán Distance,Random cho kết tệ nhất( phương pháp đơn giản chọn đỉnh có bậc nhỏ đường từ đến đỉnh khác nhỏ nhất) Tuy không cho kết tốt CELFGreedy, thuật toán DegreeDiscount lại kết hợp ưu điểm thời gian chạy thấp kết tốt nhiều so với thuật toán Distance,Random Dựa vào kết thực nghiệm thực hiện, so sánh với kết thực nghiệm mà tác giả làm, ta vẽ đồ thị so sánh kết sau : 160 140 influence spread 120 DegreeDiscountIC Greedy 100 MixedGreedyIC 80 NewGreedyIC SingleDiscount 60 Degree 40 Distance Random 20 11 16 21 26 31 seed set size 36 41 46 Hình 15 : Lan truyền ảnh hưởng thuật toán khác hợp tác mạng arXiv.org với IC 36 DegreeDiscount SingleDiscount nhanh, vài phần nghìn giâu kết thúc, nhanh gấp khoảng lần thuật tốn Greedy thơng thường Distance có thời gian chạy tồi tệ, cho thấy khơng phải giải thuật tốt để tính tốn độ lan truyền Thời gian chạy NewGreedyIC DegreeDiscountIC không bị ảnh hưởng nhiều vởi biến xác suất lan truyền p 10000 2909.55 3031.13 2121.63 2092.87 running time (in sec) 1000 100 10 0.1 0.00394449 0.00129652 0.01 0.001 0.00102091 0.00054689 0.0001 Hình 16 : Thời gian chạy thuật tốn khác Nhìn đồ thi ta thấy, SingDiscount thuật toán chạy nhanh nhất, nhanh gấp khoảng lần thuật toán Greedy đơn Giải thuật DegreeDiscountIC cho kết khả quan: thời gian chạy mà dộ lan truyền tốt Single Discount cho kết tốt, tốt so với Distance Degree Dựa sở đó, có ý tưởng để cài đặt thuật tốn tối đa ảnh hưởng.Khi muốn thời gian chạy ngắn chọn SingleDiscount DegreeDiscountIC DegreeDiscountIC ln ln biểu diện tốc độ lan truyền tốt, cịn SingleDiscount lại áp dụng cho phạm vi rộng cho tất mơ hình Khi khơng lấy 37 yếu tố thời gian làm yếu tố chính, đảm bảo độ lan truyền cốt yếu, chọn thuật toán MixedGreedy MixedGreedyWC 4.5 Nhận xét Bước đầu thực nghiệm phần xử lý liệu để tìm đối tượng có lan truyền ảnh hưởng tốt số tác giả nghiên cứu khoa học cho kết tương đối khả quan Tuy nhiên nhiều trường hợp nhập nhằng số lượng liệu lớn nên sử dụng kỹ thuật tìm kiếm, kết trả chưa tối ưu chặt chẽ Nhưng chúng tơi nhận thấy, liệu dùng để tiếp tục xử lý cho thuật toán khác, thuật toán tốt cho kết tốt hơn, thời gian chạy thuật tốn mà chúng tơi dùng.Tuy nhiên chúng tơi chưa có điều kiện để thực nghiệm 38 Kết luận Thông qua nghiên cứu giải pháp tối ưu hóa ảnh hưởng dựa thuật tốn DegreeDiscountIC Wei Chen cộng đề xuất,2009 [1] Manuel Gomez - Rodriguez Bernhard Scholkopf, 2012 [2], Bo Liu cộng sự, 2012 [12] phát triển, khóa luận đưa mơ hình lựa chọn tập nhân có ảnh hưởng mạng xã hội  Khóa luận đạt kết sau:  Giới thiệu tốn tối ưu hóa ảnh hưởng đối tượng dựa mạng xã hội, động lực, mục đích nghiên cứu khóa luận  Trình bày số hướng tiếp cận toán tối ưu ảnh hưởng đối tượng , tập trung vào phương pháp DegreeDiscount mơ hình IC Wei Chen cộng đề xuất [1], Manuel Gomez – Rodriguez Bernhard Scholkopf [2], Bo Liu cộng sự, 2012 [12] phát triển  Dựa vào đặc trưng liệu arXiv.org , khóa luận đưa mơ hình thực nghiệm đầy đủ cho tốn  Khóa luận thực cài đặt thực nghiệm theo bước mơ hình thu tập nhân có ảnh hưởng lớn Sau phân tích so sánh kết quả, đánh giá thu cho thấy mơ hình khả quan  Do hạn chế mặt thời gian kiến thức, khóa luận cịn số khiếm khuyết:  Mới tiến hành thực nghiệm thuật tốn DegreeDiscontIC  Vì số lượng liệu lớn, việc xử lý lọc liệu tìm nút nhân chưa thật tối ưu  Hướng phát triển:  Dự định tiến hành thực nghiệm với bước phát triển cao mà Manue Gomez – Rodriguez Bernhard Scholkopf [2] , Bo Liu cộng [12] đề xuất 39 Tài liệu tham khảo [1] Wei Chen, Yajun Wang, Siyu Yang Efficient Influence Maximization in Social Networks.KDD, 2009 [2] Manuel Gomez-Rodriguez, Bernhard Scholkopf Influence Maximization in Continuous Time Diffusion Networks, ICML 2012 [3] P Domingos, M Richardson Mining the network value of customers In Proceedings of the 7th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, pages 57–66, 2001 [4] M Richardson, P Domingos Mining knowledge-sharingsites for viral marketing In Proceedings of the 8th ACMSIGKDD Conference on Knowledge Discovery and DataMining, pages 61–70, 2002 [5] D Kempe, J M Kleinberg, É Tardos Maximizing the pread of influence through a social network In Proceedings of the 9th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, pages 137–146, 2003 [6] J Leskovec, A Krause, C Guestrin, C Faloutsos,J VanBriesen,N S Glance Cost effective outbreakdetection in networks In Proceedings of the 13th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, pages 420–429, 2007 [7] Jacco Wallinga, Peter Teunis Different Epidemic Curves for Severe Acute Respiratory Syndrome Reveal Similar Impacts of Control Measures Received for publication October 27, 2003; accepted for publication March 29, 2004 [8] Wei Chen, Chi Wang,Yajun Wang Scalable Influence Maximization for Prevalent Viral Marketing in Large Scale Social Networks KDD'10, July 27, 2010 [9] Kulkarni, V.G Shortest paths in networks with exponen-tially distributed arc lengths Networks, 16(3):255–274, 1986 [10] Carlos Castillo, Wei Chen, Laks V.S.Lakshmanan Imformation and Influence Spread in Social Networks KDD’2012 Tutorial, August 12, 2012 [11] Gwen Glazer Online Scientific Repository Hits Milestone.ITHACA, N.Y October 3, 2008 [12] Bo Liu, Gao Cong, Dong Xu, Yifeng Zeng Time Constrained Influence Maximization in Social Networks.ICDM 2012: 439-448 [13] E Cohen Size-estimation framework with applications to transitive closure and reachability J Comput Syst Sci., 55(3):441–453, 1997 40 ... toán tối ưu ảnh hưởng đối tượng mạng xã hội 1.1 Phân tích mối quan hệ mạng xã hội 1.2 Tối ưu ảnh hưởng đối tượng mạng xã hội 1.2.1 Động lực mục đích 1.2.2 Phát biểu tốn tối ưu hóa ảnh. .. phương pháp tối ưu hóa ảnh hưởng vừa hiểu vừa đảm bảo mặt thời gian chạy 1.2.2 Phát biểu tốn tối ưu hóa ảnh hưởng đối tượng mạng xã hội Bài tốn tối ưu hóa ảnh hưởng đối tượng mạng xã hội Wei Chen... ưu hóa ảnh hưởng đối tượng mạng xã hội Chương 2.Một số hướng tiếp cận tốn tối ưu hóa ảnh hưởng đối tượng mạng xã hội 2.1 Tối ưu hóa ảnh hưởng theo thời gian liên tục mạng khuếch