| Abstract : | Διαφημιστικές και πολιτικές καμπάνιες χρησιμοποιούνται ευρέως στα Μέσα Κοινωνικής Δικτύωσης με στόχο να επηρεάσουν τους χρήστες αυτών των πλατφορμών στο να αγοράσουν τα προϊόντα τους ή να υιοθετήσουν τις πολιτικές τους ιδέες και στάσεις. Αυτές οι καμπάνιες συχνά μοιράζονται μια πληθώρα χαρακτηριστικών, όπως το ίδιο κοινό που έχουν ως στόχο ως προς την ηλικία, το φύλο και τις προτιμήσεις. Σε αυτή την διατριβή, εκμεταλλευόμαστε αυτά τα κοινά χαρακτηριστικά και προσπαθούμε να βρούμε πιθανές συσχετίσεις, οι οποίες εντέλει θα βοηθήσουν στη μεγιστοποίηση της επιρροής που ασκούν αυτές οι καμπάνιες στο κοινό. Γι’ αυτό, υλοποιήσαμε έναν εκθετικό μηχανισμό που βρίσκει τα καλύτερα υποσύνολα από καμπάνιες όσον αφορά τις συχετίσεις μεταξύ τους, ενώ παράλληλα εκτελούμε μια διαδικασία εύρεσης πολλαπλών χρηστών. Ο όρος ”πολλαπλών” εδώ αναφέρεται στο γεγονός ότι επιλέγουμε έναν αριθμό n από υποψήφιους διάσημους χρήστες, όπου ο αριθμός n, έχει ήδη προέλθει από τον αριθμό των πιθανών υποσυνόλων από καμπάνιες. Ο αριθμός n είναι αποτέλεσμα του μηχανισμού της συσχέτισης των καμπανιών. Ακόμα, υλοποιούμε έναν μηχανισμό που μιμείται το Minimum Set Cover πρόβλημα, με σκοπό να αναθέσουμε κάθε υποσύνολο από καμπάνιες στον πιο κατάλληλο υποψήφιο, σύμφωνα με τα κοινά τους χαρακτηριστικά καθώς και ενός δοθέντος προϋπολογισμού B. Συνεπώς, ασχολούμαστε με το πρόβλημα της Μεγιστοποίησης της Επιρροής σε ένα περιβάλλον με πολλαπλές καμπάνιες και πολλαπλούς χρήστες και παρουσιάζουμε τα πειραματικά μας αποτελέσματα.
Advertisement and political campaigns have been considerably used in Online Social Networks (OSNs), in order to influence the users of these platforms in buying their products or adopt their political ideas and positions. These campaigns often share a variety of characteristics, such as same target group with respect to age, gender and preferences. In this thesis, we exploit these common features and try to find possible correlations, that will ultimately aid to maximize the influence of those campaigns to the audience. For that, we develop an exponential mechanism that finds the best subsets of campaigns concerning their correlation, while we perform a multiple seed selection process. The term multiple here is used, because we select a number n of influencer candidates, where n is derived from the number of possible campaign subsets. This number n has resulted from the campaign correlation mechanism. We also develop a mechanism that mimics the Minimum Weighted Set Cover problem, in order to assign each campaign subset to the most appropriate candidate, according to their shared features and given a budget B. Hence, we address the problem of Influence Maximization in a multi-campaign environment with multiple seeds and present our experimental results.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.