فایل ورد کامل حداکثر تاثیر در شبکه های اجتماعی تحت شرایط یک مدل آبشاری مستقل

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل حداکثر تاثیر در شبکه های اجتماعی تحت شرایط یک مدل آبشاری مستقل،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۶ صفحه

۶ نتیجه گیری
مدل پیشنهادی IMIC-OC برای تاثیر حداکثر، با هدف یافتن مجموعه کاربرانی است که تصویب اطلاعات را به حداکثر می رسانند. مدل IC-OC برای توسعه اطلاعات، به منظور توضیح دادن اینکه چگونه کاربر نظرات خودش را می سازد، ارائه شده است. مدل IC-OC، احتمالات تبدیل و stubborn را معرفی می کند. این احتمالات برای پیش بینی کردن این هستند که ایا کاربر، نظر اولیه اش را در هنگامی که در معرض نظرات مختلف قرار می گیرد، تغییر می دهد یا خیر. در آغاز، توسعه ی اطلاعات، همسایه ها را به منظور تصویب اطلاعات براساس احتمالات تصویب، فعال می کند. احتمال تطابق نشان می دهد که چگونه همسایه ها، همان نظرات را کاربرانی که اطلاعات را توسعه داده اند را حفظ می کنند. با گذشت زمان، نظرات مختلف در شبکه بوجود می ایند. پس از آن کاربران می توانند افکارشان را توسط احتمال تبدیل تغییر دهند یا همان نظرات را توسط احتمال stubborn حفظ کنند.

عنوان انگلیسی:Influence maximization in social networks under an independent cascade-based model~~en~~

۶ Conclusion

The proposed IMIC-OC model for influence maximization aims to find a set of users who maximize the adoption of information. Further, the IC-OC model for information spreading is proposed to explain how users build their opinions. The IC-OC model introduces stubborn and transforming probabilities. These probabilities are used to predict whether users would change initial opinions when exposed to different opinions. At the beginning, information spreaders activate their neighbors to adopt information based on adoption probability. Conforming probability denotes how neighbors keep the same opinions as the users who spread information. As time passes, different opinions emerge in the network. Users could then possibly change their minds by transforming probability or keep the same opinions by stubborn probability.

$$en!!