THÔNG TIN TÀI LIỆU
ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA LƯƠNG VĂN MINH TÌM NHỮNG NGƯỜI DÙNG CÓ TẦM ẢNH HƯỞNG TRONG MẠNG XÃ HỘI Chuyên ngành : Khoa học máy tính Mã số: 604801 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 11 năm 2012 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA –ĐHQG -HCM Cán hướng dẫn khoa học : TS Quản Thành Thơ (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét : (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét : (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn thạc sĩ bảo vệ Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày tháng năm Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ luận văn thạc sĩ) Xác nhận Chủ tịch Hội đồng đánh giá LV Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa (nếu có) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA KH & KT MÁY TÍNH ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: LƯƠNG VĂN MINH MSHV: 09070452 Ngày, tháng, năm sinh: 27/10/1986 .Nơi sinh: TP.HCM Chuyên ngành: Khoa học máy tính Mã số : 604801 I TÊN ĐỀ TÀI: Tìm người dùng có tầm ảnh hưởng mạng xã hội II NHIỆM VỤ VÀ NỘI DUNG: - Nghiên cứu đề xuất giải thuật tìm người dùng có tầm ảnh hưởng mạng xã hội từ sở liệu mạng xã hội - Hiện thực giải thuật tiến hành thực nghiệm để đánh giá giải thuật tìm người dùng có tầm ảnh hưởng So sánh cách kết giải thuật với thực tế III NGÀY GIAO NHIỆM VỤ : 02/07/2012 IV NGÀY HOÀN THÀNH NHIỆM VỤ: 30/11/2012 V CÁN BỘ HƯỚNG DẪN: TS Quản Thành Thơ Tp HCM, ngày tháng năm 20 CÁN BỘ HƯỚNG DẪN (Họ tên chữ ký) CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên chữ ký) TRƯỞNG KHOA KH & KT MÁY TÍNH (Họ tên chữ ký) Tìm người dùng có tầm ảnh hưởng mạng xã hội Lời cảm ơn Tôi xin chân thành cảm ơn thầy TS Quản Thành Thơ Thầy tận tình hướng dẫn, định hướng từ cách đặt vấn đề, phương pháp nghiên cứu khoa học, đến công việc cụ thể luận án Xin chân thành cảm ơn bạn khoa Khoa Học Kỹ Thuật Máy Tính, người giúp đỡ tạo điều kiện cho tơi nhiều q trình thực luận án Con xin cảm ơn mẹ, cảm ơn người thân gia đình bạn bè ln động viên, khuyến khích giúp đỡ q trình học tập sống Lương Văn Minh Tìm người dùng có tầm ảnh hưởng mạng xã hội Tóm tắt luận văn Tìm người dùng có tầm ảnh hưởng mạng xã hội toán quan trọng lĩnh vực mạng xã hội Với phát triển nhanh chóng mạng xã hội nay, ứng dụng mạng xã hội thâm nhập từ lĩnh vực kinh tế lĩnh vực giáo dục, ngày có nhiều ứng dụng địi hỏi tìm người dùng có tầm ảnh hưởng mạng xã hội Nhiều nhà nghiên cứu đưa mơ hình hóa cho mạng xã hội thành đồ thị xã hội Trong đó, người dùng nút đồ thị xã hội, hành động tương tác người dùng cạnh đồ thị xã hội Giải thuật PageRank Larry Page đưa giải thuật tiếng nhằm xác định nút quan trọng mạng liên kết Giải thuật dùng để áp dụng tìm người dùng có tầm ảnh hưởng mạng xã hội Bên cạnh đó, chúng tơi cải tiến giải thuật PageRank, giúp cho giải thuật hoạt động với đồ thị có trọng số Trọng số cạnh đồ thị xã hội đo công thức EdgeRank Facebook đề xuất Lương Văn Minh Tìm người dùng có tầm ảnh hưởng mạng xã hội Abstract Find influential users in social networks is a key problem in social networks With the development of social networks, social networks applications have penetrated from the economic to the education, a lot of applications require to find influential users in social networks Many researchers have made the models for social network into the social graph In particular, users are the social graph nodes, the actions of the user are the edges of the social graph PageRank algorithm, which is announced by Larry Page, is a famous algorithm to identify important nodes in a linking network This algorithm can be used to find influential users in social networks Besides, we also improved PageRank algorithm, make this algorithm work with a weighted graph Weights of the edges of the social graph are measured with EdgeRank which is announced by Facebook Lương Văn Minh Tìm người dùng có tầm ảnh hưởng mạng xã hội Lời cam đoan Tôi cam đoan rằng, ngoại trừ kết tham khảo từ cơng trình khác ghi rõ luận văn, cơng việc trình bày luận văn tơi thực chưa có phần nội dung luận văn nộp để lấy cấp trường trường khác Ngày 30 tháng 11 năm 2012 Lương Văn Minh Lương Văn Minh Tìm người dùng có tầm ảnh hưởng mạng xã hội Mục lục Chương 1: Giới thiệu 1.1 Giới thiệu đề tài 1.2 Mục đích nghiên cứu giới hạn đề tài 1.3 Đối tượng phạm vi nghiên cứu 1.3.1 Đối tượng nghiên cứu 1.3.2 Phạm vi nghiên cứu 1.4 Phương pháp tiến hành 1.5 Những đóng góp đề tài Chương 2: Tổng quan 2.1 Các độ đo dùng công nghiệp 2.1.1 Klout 2.1.2 PROskore 2.1.3 Kred 2.1.4 Facebook Subscribe 2.1.5 Kết luận 2.2 Các nghiên cứu học thuật 2.2.1 Sự tương đồng ảnh hưởng mạng xã hội 2.2.2 Đo lường phản hồi ảnh hưởng xã hội hành động tương tự 10 2.2.3 Tối đa hóa trải rộng ảnh hưởng mạng xã hội 10 2.2.4 Sử dụng heuristic để cải thiện tối đa hóa ảnh hưởng 12 2.2.5 Sử dụng phương pháp xác suất để xác định độ ảnh hưởng 13 2.2.6 Phân tích ảnh hưởng xã hội với độ co dãn lớn 15 2.2.7 Sử dụng phương pháp ống Lens 18 2.2.8 Xác định người dùng ảnh hưởng thông qua lường hành động đăng nhập 20 2.2.9 Tiên đoán người dùng ảnh hưởng dựa vào α-centrality 24 Chương 3: Cơ sở lý thuyết 28 3.1 Hai mơ hình lan truyền 28 3.2 Mơ hình lan truyền khuyếch đại ảnh hưởng mạng xã hội 29 Lương Văn Minh Tìm người dùng có tầm ảnh hưởng mạng xã hội 3.3 Các thành phần tham gia vào việc cho điểm 31 3.4 Độ quan trọng đỉnh mạng liên kết 33 3.4.1 Cấu trúc liên kết web 34 3.4.2 Sự lan truyền thứ hạng thông qua liên kết 35 3.4.3 Định nghĩa PageRank 35 3.4.4 Mơ hình lướt web ngẫu nhiên 38 3.4.5 Thuật toán PageRank 38 3.5 Độ quan trọng cạnh mạng xã hội 39 3.6 Kết luận 42 Chương 4: Tìm người dùng có tầm ảnh hưởng 45 4.1 Tìm người dùng có tầm ảnh hưởng dựa vào giải thuật PageRank 45 4.2 Kết hợp PageRank EdgeRank 47 4.3 Kiến trúc hệ thống 50 4.3.1 Các module hệ thống 50 4.3.2 Tương tác module hệ thống 52 4.4 Hiện thực hệ thống 53 4.4.1 Xây dựng đồ thị có hướng dựa vào tập liệu 53 4.4.2 Tính tốn trọng số cho cạnh đồ thị 54 4.4.3 Ứng dụng minh họa 56 Chương 5: Đánh giá kết 58 5.1 Cách xây dựng tập liệu thí nghiệm 58 5.2 Kết thực nghiệm 59 5.2.1 Thí nghiệm không sử dụng giải thuật EdgeRank 59 5.2.2 Thí nghiệm sử dụng giải thuật EdgeRank 65 5.3 Đánh giá 71 5.3.1 Độ xác 71 5.3.2 Tốc độ 75 Chương 6: Kết luận 77 6.1 Kết luận 77 6.2 Hướng phát triển 78 Tài liệu tham khảo 79 Lương Văn Minh Tìm người dùng có tầm ảnh hưởng mạng xã hội Phần lý lịch trích ngang 81 Lương Văn Minh Tìm người dùng có tầm ảnh hưởng mạng xã hội Hình 40 Đồ thị kết sử dụng giải thuật EdgeRank sử dụng yếu tố comment Hình 41 Đồ thị thứ hạng sử dụng EdgeRank sử dụng yếu tố comment Trong hình 40, thấy rằng, xét đến yếu tố comment mạng xã hội, giá trị ảnh hưởng người dùng có tầm ảnh hưởng phân bổ rõ rệt Rõ ràng, áp dụng giải thuật EdgeRank nhằm xác định trọng số cho cạnh 67 Tìm người dùng có tầm ảnh hưởng mạng xã hội đồ thị xã hội, phân bố ảnh hưởng thể rõ rệt Có nhiều người dùng có giá trị rõ ràng hơn, điều đơn giản dễ hiểu mạng xã hội, số hành động comment nhiều so với hành động khác, yếu tố thời gian làm cho hành động comment trở nên rõ ràng hơn, người dùng người dùng khác comment thời gian gần với thời điểm xét mức độ ảnh hưởng rõ rệt Hành động comment hành động đặc trưng mạng xã hội mà người dùng có tham gia vào Chính vậy, số cạnh tới đồ thị xã hội nhiều Có nhiều người dùng có ảnh hưởng mạng xã hội này, đơn giản có lẽ hoạt động comment đến người dùng xảy thời điểm lâu so với thời gian xét Quan sát kết hình 41, đồ thị thứ hạng sử dụng giải thuật EdgeRank sử dụng yếu tố comment, người dùng có id 4, 52, 41 40 người dùng có giá trị ảnh hưởng cao Đồ thị có hàm giảm không không áp dụng giải thuật EdgeRank, kết nói lên rằng, người dùng có id 4, 52, 41 người dùng có tầm ảnh hưởng tương đối mạnh so với người dùng khác mạng xã hội có xét đến yếu tố thời gian 3) Chỉ sử dụng yếu tố wall post Kế tiếp, ta tiến hành chạy giải thuật xác định người dùng có tầm ảnh hưởng mạng xã hội dựa hành động wall post người dùng mạng xã hội kèm với trọng số hành động wall post dựa giải thuật EdgeRank Xét đến giá trị trọng số cạnh đơn giản hai người dùng A B, người dùng A có cạnh có hướng đến người dùng B hay khơng trọng số cạnh Do đồ thị liên kết người dùng đơn giản đồ thị bao gồm nút cạnh có hướng kèm với trọng số cạnh có hướng 68 Tìm người dùng có tầm ảnh hưởng mạng xã hội Hình 42 Đồ thị kết sử dụng giải thuật EdgeRank sử dụng yếu tố wall post Hình 43 Đồ thị thứ hạng sử dụng EdgeRank sử dụng yếu tố wall post Ở kết hình 42, ta thấy kết có nhiều gai, gai vượt lên người dùng 4, 40, 19 gây khác biệt rõ rệt so với người dùng khác Trong mạng xã hội mà tiến hành nghiệm, hành động wall post thực Chính thế, hành động diễn ra, phân biệt thấy rõ Quan sát kết hình 43, đồ thị thứ hạng sử dụng giải thuật EdgeRank sử dụng yếu tố wall post, người dùng 107 có giá trị cao rõ rệt Người dùng 40 có giá trị cao top 10 người dùng có giá trị ảnh hưởng cao Tuy nhiên phân bổ độ giảm giá trị đồ thị thứ hạng không đều, giá trị cách biệt xa Kết này, theo quan điểm học viên đánh giá, giá trị wall post có lẽ người dùng mạng xã hội tham gia vào nên tạo kết khác biệt xét thêm yếu tố thời gian cho hành động Hành động wall post mang ý nghĩa bổ trợ thêm vào đánh giá mức độ ảnh hưởng người dùng mạng xã hội 4) Sử dụng tất yếu tố Cuối cùng, ta tiến hành chạy giải thuật xác định người dùng có tầm ảnh hưởng mạng xã hội dựa tất hành động người dùng mạng xã hội (xét hành động like, comment wall post) kết hợp với giải thuật EdgeRank nhằm xác định trọng số cho hành động Các hành động like, comment wall post chọn lựa giá trị trọng số hành động khác nhau, kết tính lại theo cơng thức EdgeRank mà 69 Tìm người dùng có tầm ảnh hưởng mạng xã hội tìm hiểu Chương Đồ thị liên kết người dùng mạng xã hội lúc thể cách đầy đủ nhất, cạnh tổng kết lại từ tất hành động mạng xã hội Trong đó, trọng số cạnh xác định cụ thể giải thuật EdgeRank Hình 44 Đồ thị kết sử dụng giải thuật EdgeRank sử dụng tất yếu tố Hình 45 Đồ thị thứ hạng sử dụng EdgeRank sử dụng tất yếu tố 70 Tìm người dùng có tầm ảnh hưởng mạng xã hội Ở kết hình 44, xét tất yếu tố mà người dùng mạng xã hội kềm với giá trị trọng số cạnh dựa giải thuật EdgeRank, đồ thị kết phân bố rõ, kết tương đối rõ ràng xét tất yêu tố, có nhiều người dùng giá trị ảnh hưởng thấp so với nhóm người dùng có giá trị ảnh hưởng mạnh Điều tương đối dễ hiểu người dùng có hành động người khác like, comment hay wall post đến họ thời gian gần xảy Các trọng số cạnh tới đến người dùng nhỏ, giá trị ảnh hưởng họ Quan sát hình 45, đồ thị thứ hạng sử dụng giải thuật EdgeRank sử dụng tất yếu tố hành động tương tác người dùng mạng xã hội, thấy đồ thị phân bố không đều, hàm giảm đột ngột rõ rệt Điều nói lên rằng: "Khi sử dụng tất yếu tố hành động tương tác người dùng mạng xã hội có xét đến giá trị trọng số cạnh có hướng dựa giải thuật EdgeRank, mức độ ảnh hưởng rõ ràng phân biệt hồn tồn người dùng thực có ảnh hưởng so với người dùng khác" Người dùng có giá trị 4, 41, 52, 18 người dùng có ảnh hưởng rõ rệt mạng xã hội xét cách tổng thể với yếu tố thời gian kèm Người dùng 40 không cịn xuất nhóm 10 người dùng có giá trị ảnh hưởng cao nữa, theo đánh giá học viên, người dùng số 40 có nhiều cạnh tới nó, hành động xảy nhiều khứ, xét thời điểm mức độ ảnh hưởng người dùng 40 khơng cịn nhiều trước 5.3 Đánh giá 5.3.1 Độ xác Để tiến hành đánh giá độ xác giải thuật Học viên xây dựng tập kết mẫu người dùng thường xuyên tham gia vào mạng xã hội Chọn 10 nhóm ngẫu nhiên, nhóm gồm người dùng thuộc mạng xã hội đem tập liệu mẫu cho người dùng thường xuyên tham gia vào mạng xã hội đánh giá độ quan trọng người dùng nhóm • Cột user người dùng nhóm • Cột rank thứ hạng người dùng thường xuyên tham gia vào mạng xã hội đưa đánh giá mức độ quan trọng • Cột not ER thứ hạng mà giải thuật không sử dụng cách đo trọng số cạnh EdgeRank dựa tất yếu tố tương tác • Cột ER thứ hạng mà giải thuật sử dụng cách đo trọng số cạnh EdgeRank dựa tất yếu tố tương tác 71 Tìm người dùng có tầm ảnh hưởng mạng xã hội user anhdtk(40) duypnq(109) vinhtd(94) minhnc(49) ryan(87) Group rank not ER 13 25 22 24 ER 12 23 27 33 24 user tienlv(18) linhvtt(3) vanla(84) thult(134) nhittb(11) Group rank not ER 16 12 30 17 ER 38 21 20 29 ER 36 37 40 58 76 Group user rank not ER longlt(38) 37 anhtv(15) viptt(5) 54 baotq(54) 35 trucptm(70) 42 ER 13 47 31 51 Group user rank not ER thoqt(108) 33 lichbt(50) 48 tiennpl(60) 36 trunglt(137) 56 bbcat(117) 62 Group rank not ER 10 38 90 52 39 ER 14 46 85 55 41 user minhntk(71) phutt(90) mainv(82) huynha(21) daotta(89) Group rank not ER 32 41 34 40 ER 35 10 32 49 ER user Group rank not ER ER 15 30 27 25 khailn(19) thaont(46) duyduy(16) thanhnt(26) quanpt(63) user phongbn(37) ninhdh(57) myhuyen(7) thuylt(103) vunh(31) user vitor.ramirez (104) nghieptt(101) anhnht(33) thonh(2) binhnth(59) user binhpv(41) haodv(52) kienlt(6) nghintt(111) hungnq(93) Group rank not ER 19 27 15 Group rank not ER 2 14 46 23 Bảng 2 18 11 26 21 58 Group 10 ER user rank not ER hoana(4) 1 gamnh(56) 31 26 binhbd(107) 50 54 namnv(42) 29 44 linhlhd(86) 20 Các kết so sánh 19 17 43 67 ER 22 45 18 16 72 Tìm người dùng có tầm ảnh hưởng mạng xã hội Để tính độ xác, ta chọn người dùng đem so sánh, kết với đánh giá người dùng trường hợp xét Độ xác = số trường hợp so sánh / tổng số trường hợp so sánh phần tử Tập đánh giá Độ xác Group 80% Group 80% Group 60% Group 90% Group 70% Group 80% Group 40% Group 80% Group 90% Group 10 50% Độ xác trung bình 72% Bảng Độ xác không sử dụng EdgeRank Tập đánh giá Độ xác Group 80% Group 60% Group 90% Group 100% Group 60% Group 70% Group 70% Group 90% Group 90% Group 10 50% Độ xác trung bình 77% Bảng Độ xác sử dụng EdgeRank 73 Tìm người dùng có tầm ảnh hưởng mạng xã hội Ở đây, học viên xin giải thích chi tiết cách đánh giá Lấy ví dụ Group kết đánh giá độ xác, lấy phần tử để so sánh nên có C52 trường hợp so sánh, tức 10 trường hợp Kết so sánh sau: Cặp so sánh Người dùng đánh giá Độ xác khơng sử dụng EdgeRank Độ xác sử dụng EdgeRank khailn(19) thaont(46) rank > rank rank 18 > rank 11 rank > rank 19 (Sai) (Đúng) rank 18 > rank 26 rank > rank 17 (Đúng) (Đúng) rank 18 > rank 21 rank 18 > rank 43 (Đúng) (Đúng) rank 18 > rank 58 rank 18 > rank 67 (Đúng) (Đúng) rank 11 > rank 26 rank 19 > rank 17 (Đúng) (Sai) rank 11 > rank 21 rank 19 > rank 43 (Đúng) (Đúng) rank 11 > rank 58 rank 19 > rank 67 (Đúng) (Đúng) rank 26 > rank 21 rank 17 > rank 43 (Sai) (Đúng) rank 26 > rank 58 rank 17 > rank 67 (Đúng) (Đúng) rank 21 > rank 58 rank 43 > rank 67 (Đúng) (Đúng) đúng/10 = 80% đúng/10 = 90% khailn(19) duyduy(16) khailn(19) thanhnt(26) khailn(19) quanpt(63) thaont(46) duyduy(16) thaont(46) thanhnt(26) thaont(46) quanpt(63) duyduy(16) thanhnt(26) duyduy(16) quanpt(63) thanhnt(26) quanpt(63) Độ xác rank > rank rank > rank rank > rank rank > rank rank > rank rank > rank rank > rank rank > rank rank > rank Bảng Bảng mô tả chi tiết cách đánh giá độ xác 74 Tìm người dùng có tầm ảnh hưởng mạng xã hội Như vậy, không sử dụng giải thuật EdgeRank, độ xác đạt 72% so với kết mà người dùng đánh giá Kết không thực cao tương đối tốt Do đánh giá người dùng mang tính chất chủ quan, người dùng thân thiết với người dùng đưa kết đánh giá người dùng có giá trị cao so với kết Tuy nhiên, người dùng thực có mức độ ảnh hưởng rõ rệt kết hoàn toàn trùng khớp so với kết mà người dùng đánh giá Đối với độ xác sử dụng thêm giải thuật EdgeRank, thấy độ xác tăng thêm 5% so với không sử dụng giải thuật EdgeRank Ở group độ xác đạt 100%, hoàn toàn trùng với kết mà người dùng đánh giá Do đó, kết hợp thêm giải thuật EdgeRank làm tăng thêm tính hiệu với yếu tố thời gian Sự đánh giá người dùng thời điểm Do đó, xét thêm yếu tố thời gian, độ xác tăng lên, kết phù hợp so với người dùng đánh giá Trong trình tiến hành thí nghiệm học viên, trọng số hàm thời gian học viên đề xuất Chính vậy, cải thiện thêm độ xác cách suy ngược lại từ kết đánh giá người dùng nhằm xác định trọng số hành động tương tác mạng xã hội Chúng ta chạy lại nhiều lần giải thuật với giá trị trọng số khác hành động tương tác kết có độ xác gần xấp xỉ so với kết đánh giá người dùng Hàm thời gian yếu tố quan trọng để chọn lựa, lựa chọn hàm thời gian để phù hợp với tác động hành động mạng xã hội 5.3.2 Tốc độ Chúng tiến hành đo thời gian đáp ứng hệ thống để theo dõi nhanh chậm q trình chạy giải thuật tìm người dùng có tầm ảnh hưởng mạng xã hội Thời gian đáp ứng hệ thống tính từ lúc chương trình kết nối vào sở liệu xây dựng thành đồ thị xã hội liên kết, tạo nút cạnh đồ thị, thực giải thuật tìm người dùng tính tốn giá trị Chúng tơi tiến hành đo thời gian xử lý với 139 người dùng mạng xã hội thí nghiệm, hệ thống chạy chương trình sử dụng CPU Core Duo tốc độ 2.4 GHz, Ram 8Gb Bảng thể thời gian chạy chương trình ứng với trường hợp xử dụng yếu tố tương tác khác có xử dụng giải thuật EdgeRank hay không Trong Bảng thời gian chạy có sử dụng giải thuật EdgeRank tăng không đáng kể Thời gian xử dụng cách chọn tất yếu tốt để xét xử lý thuật toán EdgeRank gần xấp xỉ thời gian không xử dụng giải thuật EdgeRank Kết cho thấy ta áp dụng thực tế kết hợp thêm giải thuật EdgeRank nhằm cải tiến giải thuật PageRank để tăng thêm độ xác mà khơng ảnh hưởng nhiều đến thời gian thực giải thuật 75 Tìm người dùng có tầm ảnh hưởng mạng xã hội Không sử dụng giải thuật EdgeRank Có sử dụng giải thuật EdgeRank Bảng Yếu tố Like Comment Wall post All Like Comment Wall post All Tốc độ chạy chương trình Thời gian 5683.0 ms 5180.0 ms 1014.0 ms 8294.0 ms 6136.0 ms 6073.0 ms 1034.0 ms 8342.0 ms 76 Tìm người dùng có tầm ảnh hưởng mạng xã hội Chương 6: Kết luận 6.1 Kết luận Tìm người dùng có ảnh hưởng đến người dùng khác mạng xã hội lĩnh vực rộng với nhiều phương pháp khác Mỗi loại phương pháp có ưu nhược điểm riêng Bên cạnh đó, hoạt động cá nhân đa dạng Ứng với hoạt động thuật giải phải trích xuất từ sở liệu áp dụng giải pháp phù hợp nhằm tìm người dùng có ảnh hưởng Trong luận văn này, học viên trình bày cách thực hệ thống tìm người dùng có tầm ảnh hưởng mạng xã hội cách mơ hình hóa mạng xã hội thành đồ thị xã hội Trong đó, người dùng nút đồ thị, hành động tương tác mạng xã hội cạnh có hướng đồ thị Luận văn sử dụng giải thuật PageRank tiếng việc tính trọng số nút mạng liên kết nhằm tìm người dùng có tầm ảnh hưởng mạng xã hội Bên cạnh đó, đề tài cịn cải thiện giải thuật PageRank cho hoạt động với đồ thị có trọng số Trọng số cạnh xác định giải thuật EdgeRank Bằng kết thực nghiệm tập liệu thí nghiệm, đề tài cho thấy mức độ xác q trình xác định người dùng có tầm ảnh hưởng đánh giá tốc độ chạy chương trình Như vậy, đóng góp đề tài xác định người dùng có tầm ảnh hưởng mạng xã hội dựa số cạnh tới nút (các cạnh tới tương tác người dùng đến người dùng kia) mức độ quan trọng cạnh tới (mức độ quan trọng cạnh tới dựa vào hành động cụ thể gì) Đóng góp cụ thể bao gồm hai đóng góp nhỏ là: - Áp dụng giải thuật PageRank nhằm xác định nút quan trọng đồ thị mạng xã hội - Cải tiến giải thuật PageRank nhằm giúp cho giải thuật hoạt động với đồ thị có trọng số Trong đó, trọng số cạnh đồ thị mạng xã hội xác định dựa vào giải thuật EdgeRank 77 Tìm người dùng có tầm ảnh hưởng mạng xã hội 6.2 Hướng phát triển Dựa vào kết đề tài, học viên xin đưa hướng nghiên cứu sau: • Phát triển cơng cụ đánh giá bình luận người dùng Nhận biết xem đánh giá người dùng khen, chê, hay trung lập Từ đó, ta sử dụng vào q trình tính tốn độ ảnh hưởng người dùng • Phát triển hệ thống quảng cáo hướng người dùng Chúng ta nhận biết người dùng có tầm ảnh hưởng đến người dùng khác Do đó, triển khai hệ thống quảng cáo hướng đến người dùng phù hợp giảm chi phí 78 Tìm người dùng có tầm ảnh hưởng mạng xã hội Tài liệu tham khảo n [1] D Kempe, J M Kleinberg, and ´E Tardos (2003) “Maximizing the spread of influence through a social network” In Proc of the 9th ACM Int Conf on Knowledge Discovery and Data Mining (KDD’03) n [2] W Chen, Y Wang, and S Yang (2009) “Efficient Influence Maximization in Social Networks” In Proc of the 15th ACM Int Conf on Knowledge Discovery and Data Mining (KDD’09) n [3] D Crandall, D Cosley, D Huttenlocher, J Kleinberg, and S Suri (2008) “Feedback Effects between Similarity and Social Influence in Online Communities” In Proc of the 14th ACM Int Conf on Knowledge Discovery and Data Mining (KDD’08) n [4] J Tang, J Sun, C Wang, and Z Yang (2009) “Social Influence Analysis in Largescale Networks” In Proc of the 15th ACM Int Conf on Knowledge Discovery and Data Mining (KDD’09) n [5] A Anagnostopoulos, R Kumar, and M Mahdian (2008) “Influence and Correlation in Social Networks” In Proc of the 14th ACM Int Conf on Knowledge Discovery and Data Mining (KDD’08) n [6] Amit Goyal, Francesco Bonchi, Laks V S Lakshmanan (2010) “Learning Influence Probabilities In Social Networks” In Proc of the 16th ACM Int Conf on Knowledge Discovery and Data Mining (KDD’10) n [7] Page, Lawrence and Brin, Sergey and Motwani, Rajeev and Winograd, Terry (1999) “The PageRank Citation Ranking: Bringing Order to the Web” Technical Report Stanford InfoLab n [8] Elizabeth M Daly - Michael Muller - David R Millen - Liang Gou (2011) “Social Lens: Personalization Around User Defined Collections for Filtering Enterprise Message Streams” n [9] EdgeRank: http://techcrunch.com/2010/04/22/facebook-edgerank/ n [10] Klout wiki: http://klout.com/corp/klout_score n [11] PROskore influence score: http://mashable.com/2011/10/27/klout-for-professionals/ n [12] Kred: http://techcrunch.com/2011/09/29/kred/ n [13] Facebook Subscribe Button: http://mashable.com/2011/09/15/facebook-subscribeusers/ 79 Tìm người dùng có tầm ảnh hưởng mạng xã hội n [14] Michael Trusov, Anand V Bodapati, Randolph E Bucklin (2009) “Determining Influential Users in Internet Social Networks” n [15] Rumi Ghosh, Kristina Lerman (2010) “Predicting Influential Users in Online Social Networks” In Proc of the 16th ACM Int Conf on Knowledge Discovery and Data Mining (KDD’10) n [16] How to Increase Social Influence Scores on Klout & More: http://searchenginewatch.com/article/2181105/How-to-Increase-Social-Influence-Scoreson-Klout-More 80 Tìm người dùng có tầm ảnh hưởng mạng xã hội Phần lý lịch trích ngang Họ tên: LƯƠNG VĂN MINH Ngày, tháng, năm sinh: 27/10/1986 Nơi sinh: TP.HCM Địa liên lạc: 97 Khu phố tổ 28 F.Tân Chánh Hiệp Q.12 TP.HCM ĐT: 09070452 Email: jvmvirus@gmail.com Q TRÌNH ĐÀO TẠO • Năm 2004-2009: Sinh viên trường Đại học Bách khoa TP.HCM, khoa Khoa Học & Kỹ Thuật Máy Tính • Năm 2009-2012: Học viên cao học trường Đại học Bách khoa TP.HCM, khoa Khoa Học & Kỹ Thuật Máy Tính QUÁ TRÌNH CƠNG TÁC • Năm 2009-2012: Kỹ sư phần mềm công ty Pyramid Consulting Việt Nam 81 ... trình tìm người dùng ảnh hưởng § Các thực thể mạng xã hội như: người dùng mạng xã hội, hoạt động mạng xã hội, nhóm hội mạng xã hội, § Những hệ thống đo lường mức độ ảnh hưởng mạng xã hội có 1.3.2... Minh Tìm người dùng có tầm ảnh hưởng mạng xã hội Tóm tắt luận văn Tìm người dùng có tầm ảnh hưởng mạng xã hội toán quan trọng lĩnh vực mạng xã hội Với phát triển nhanh chóng mạng xã hội nay,... tố mạng xã hội (như số lượng comment, số lượng like, ) để suy luận người dùng có tầm ảnh hưởng đến người dùng khác mạng xã hội Một ví dụ điển hình tìm người dùng có tầm ảnh hưởng mạng xã hội
Ngày đăng: 03/09/2021, 14:36
Xem thêm: