Thèse soutenue

Maximisation d'influence dans les réseaux sociaux
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Wenjing Yang
Direction : Alessandro GiuaLeonardo Brenner
Type : Thèse de doctorat
Discipline(s) : Automatique
Date : Soutenance le 29/11/2019
Etablissement(s) : Aix-Marseille
Ecole(s) doctorale(s) : Ecole Doctorale Mathématiques et Informatique de Marseille (Marseille)
Partenaire(s) de recherche : Laboratoire : Laboratoire d’Informatique et Systèmes (LIS) (Marseille, Toulon)
Jury : Président / Présidente : Dimitri Lefebvre
Examinateurs / Examinatrices : Paolo Frasca
Rapporteurs / Rapporteuses : Mariagrazia Dotoli

Résumé

FR  |  
EN

Récemment, un grand nombre de sites de réseaux sociaux sont apparus pour relier des personnes et des groupes. Les réseaux sociaux sont des bons outils pour obtenir des informations et communiquer des idées. La propagation de l’influence se produit lorsque les opinions ou les comportements d’un individu changent en conséquence des interactions avec les autres. Le problème de la maximisation de l’influence vise à identifier un sous-ensemble d’adopteurs initiaux dans un réseau social afin de maximiser la propagation de l’influence. Deux modèles progressifs sont principalement utilisés. Le modèle cascade indépendante suppose qu’un individu adopte une innovation avec une certaine probabilité si au moins un de ses voisins l’a adoptée. Le modèle à seuil linéaire suppose qu’un individu adopte une innovation si un certain ratio de ses voisins l’avons déjà adopté. Cette thèse aborde trois problèmes: l’estimation de l’influence, la maximisation de l’influence par la sélection des diffuseurs initiaux, et la maximisation de l’influence par l’activation des liens. L’estimation de l’influence consiste à calculer la probabilité pour que chaque noeud puisse être activé par un certain ensemble de diffuseurs initiaux. Nous proposons la méthode du chemin pour calculer un résultat exact, l’algorithme SSS-Noself et l’algorithme SSS-Bounded-Path pour calculer un résultat approximatif. La maximisation de l’influence par la sélection des diffuseurs initiaux consiste à maximiser l’influence finale obtenue par un certain nombre des ces diffuseurs initiaux. Nous proposons un problème de la maximisation de l’influence par l’activation des liens