รายละเอียดโครงงาน
หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2558
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2557
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
การกำหนดอิทธิพลต่อการเเพร่กระจายสูงสุดในเครือข่ายสังคม
ชื่อโครงงานภาษาอังกฤษ
Maximizing Influence Propagation in Social Networks
ผู้พัฒนา
5410503520 ณัฐวุฒิ เดชขจรวุฒิ
อาจารย์ที่ปรึกษาหลัก
บัณฑิต มนัสเกษมศักดิ์
อาจารย์ที่ปรึกษาร่วม
อานนท์ รุ่งสว่าง
บทคัดย่อ
ในปัจจุบันโซเชียลเน็ตเวิร์คมีความสำคัญมากเนื่องจากคนส่วนใหญ่ใช้ในการแชร์ข้อมูลต่างๆ และยังเป็นช่องทางที่ใช้สำหรับการสื่อสารอีกด้วยโดยเฉพาะการทำการตลาด อย่างไรก็ตามเมื่อผู้ทำการตลาดเหล่านั้นมีต้นทุนอยู่อย่างจำกัด ดังนั้นจึงจำเป็นต้องหาผู้ที่สามารถกระจายข่าวสารหรือโฆษณาสินค้าได้อย่างรวดเร็วและทั่วถึงมากที่สุด ในโครงงานชิ้นนี้เราจึงนำเสนอวิธีการที่ใช้ในการหาบุคคลเหล่านั้นหรือผู้ที่มีอิทธิพลโดยเราจะเรียกวิธีการนี้ว่า การหาตัวแทนกลุ่มของกลุ่มการสื่อสารโดยใช้วิธีพื้นฐานจากการหาแบบตะกละเป็นหลัก จากปัญหาที่กล่าวมานั้นเราจะหาตัวแทนของการกระจายข้อมูลในโซเชียลเน็ตเวิร์คโดยแบ่งเป็นสามขั้นตอน ในขั้นตอนที่หนึ่งนั้นเราจะแบ่งกลุ่มการสื่อสารทั้งหมดให้เป็นกลุ่มย่อยๆโดยใช้ทฤษฎีของมาร์คอฟคลัสเตอร์ลิ่ง ในลำดับถัดมาเราจะหาตัวแทนของกลุ่มย่อยๆเหล่านั้นโดยใช้ทฤษฎีการหาจุดกึ่งกลางของกลุ่มการสื่อสารนั้น และในขั้นตอนสุดท้ายเราจะรวมกลุ่มการสื่อสารย่อยๆที่มีขนาดเล็กบางกลุ่มเข้าด้วยกันและหาตัวแทนของกลุ่มย่อยนั้นใหม่นั้นอีกครั้งเพื่อให้ทราบถึงบุคคลใดที่สามารถแพร่กระจายข้อมูลได้มากมากที่สุดนั้นเอง โดยหลักการหาการแพร่กระจายของข้อมูลนั้นเราจะนำโมเดลการแพร่กระจายมาประยุกต์ใช้ เราจะทดลองบนกลุ่มการสื่อสารของทวิตเตอร์แอพพลิเคชั่น และเราต้องการที่จะแสดงให้เห็นว่าวิธีการที่เรานำเสนอนั้นมีความสามารถในการหาผู้มีอิทธิพลได้รวดเร็วกว่าวิธีแบบตะกละและยังคงประสิทธิภาพเช่นเดิม
Abstract
Online social network today is an effective media to share and disperse tons of information, especially for advertising and marketing. However, with limited budgets, commercial companies make hard efforts to determine a set of source persons who can highly diffuse information of their products, implying that more benefits will be received. In this paper, we propose an algorithm, called community centrality-based greedy algorithm, for the problem of finding top-k influencers in social networks. The algorithm is composed of four main processes. First, a social network is partitioned into communities using the Markov clustering algorithm. Second, nodes with highest centrality values are extracted from each community. Third, some communities are combined; and last, top-k influencers are determined from a set of highest centrality nodes based on the independent cascade model. We conduct experiments on a publicly available Higgs Twitter dataset. Experimental results show that the proposed algorithm executes much faster than the state-of-the-art greedy one, while still maximized nearly the same influence spread.
คำสำคัญ (Keywords)
social networks, community detection, node centrality, influence maximization, influencer
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
ที่เก็บเวอร์ชันซอร์สโค้ด
-
สถานะการนำเข้าข้อมูล
ผู้นำเข้าข้อมูลครั้งแรก
ณัฐวุฒิ
เดชขจรวุฒิ
(b5410503520)
แก้ไขครั้งสุดท้าย
เมื่อ May 29, 2015, 11:16 p.m. โดย
ณัฐวุฒิ
เดชขจรวุฒิ
(b5410503520)
สถานะการอนุมัติ
อนุมัติแล้ว โดย
บัณฑิต
มนัสเกษมศักดิ์
(fengbdm)
เมื่อ May 29, 2015, 11:28 p.m.