Τεχνικές ανάκτησης περιεχομένου και ανάλυσης διάχυσης της επιρροής στα κοινωνικά δίκτυα.

Καρδαρά, Μαγδαληνή

dc.contributor.author	Καρδαρά, Μαγδαληνή	el
dc.date.accessioned	2016-03-24T11:02:50Z
dc.date.available	2016-03-24T11:02:50Z
dc.date.issued	2016-03-24
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/42250
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.2125
dc.rights	Default License
dc.subject	ανάλυση κοινωνικών δικτύων, κοινωνική επιρροή, θεματικές κοινότητες	el
dc.subject	social network analysis, social influence, topic communities	en
dc.title	Τεχνικές ανάκτησης περιεχομένου και ανάλυσης διάχυσης της επιρροής στα κοινωνικά δίκτυα.	el
heal.type	doctoralThesis
heal.classification	Social networks	en
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh87002172
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-07-06
heal.abstract	Η παρούσα διδακτορική διατριβή ασχολείται με την ανάπτυξη τεχνολογιών ανάλυσης δεδομένων από κοινωνικά δίκτυα. Βασικό αντικείμενο της διατριβής είναι η ανάπτυξη ενός πλαισίου αξιολόγησης για την εκτίμηση της σχετικής επίδοσης θεωριών τοπικής επιρροής. Οι θεωρίες επιρροής είναι τυποποιημένα μοντέλα που εξετάζουν ένα κοινωνικό δικτύου και εντοπίζουν άτομα που μπορούν να επηρεάσουν και να καθοδηγήσουν τα υπόλοιπα μέλη του δικτύου με τις πράξεις τους. Το ενδιαφέρον γύρω από την ανάπτυξη τέτοιων θεωριών είναι μεγάλο, καθώς μπορούν να ωφελήσουν σημαντικά πλήθος εμπορικών εφαρμογών όπως καμπάνιες προώθησης ή συστήματα προτάσεων. Στις περισσότερες ερευνητικές εργασίες, ωστόσο, υπάρχει έλλειψη μιας τυποποιημένης μεθοδολογίας για την αξιολόγηση των αποτελεσμάτων που προκύπτουν από τις αντίστοιχες θεωρίες σε αρκετά μεγάλη κλίμακα ώστε να επιτρέπει την εξαγωγή ασφαλών συμπερασμάτων. Στην παρούσα εργασία, εισάγουμε ένα πλαίσιο που επιτρέπει την αυτοματοποιημένη αξιολόγηση της επίδοσης των θεωριών τοπικής επιρροή οι οποίες εφαρμόζονται σε κοινότητες χρηστών που σχηματίζονται γύρω από θεματικές κατηγορίες, Στόχος του πλαισίου είναι να εξετάσει αν οι θεωρίες αυτές εντοπίζουν ως επιδραστικές μικρές ομάδες χρηστών που είναι ικανοί με ελάχιστη προσπάθεια να επηρεάσουν κάποιες αντικειμενικά μετρήσιμες πλευρές μιας κοινότητας. Το πλαίσιο ορίζει πέντε αναγκαίες και ικανές συνθήκες τις οποίες μια αποδοτική θεωρία επιρροής θα πρέπει να ικανοποιεί για ένα σύνολο θεματικών κατηγοριών. Θέσαμε το πλαίσιό μας σε εφαρμογή χρησιμοποιώντας ένα σύνολο δεδομένων μεγάλης κλίμακας με πραγματικά δεδομένα από 75 κοινότητες του Twitter και εξετάζοντας πάνω σε αυτό πέντε διαδεδομένες θεωρίες τοπικής επιρροής. Τα αποτελέσματα της ανάλυσης αποκαλύπτουν σημαντικές διαφορές στην επίδοσή τους. Αναπτύξαμε επίσης μεθοδολογία για τη διερεύνηση της εσωτερικής δυναμικής των επιδραστικών ομάδων που ορίζονται από τις θεωρίες επιρροής η οποία χρησιμοποιήθηκε για την ανάλυση των επιλεγμένων θεωριών και των αποτελεσμάτων τους καθώς και για την κατηγοριοποίησή τους με βάση τα ευρήματα της ανάλυσης αυτής.	el
heal.abstract	This PhD thesis addresses the issue of influence diffusion in social networks by introducing a novel evaluation framework for evaluating and comparing the performance of topic-specific influence theories. Influence theories constitute formal models that identify those individuals that are able to affect and guide their peers through their activity. There is a large body of work on developing such theories, as they have important applications in viral marketing and systems Most works, however, lack a formal methodology for evaluating the results produced by their theories in a large enough scale to draw safe, representative conclusions. In this thesis, we introduce a formalized framework for large-scale, automatic evaluation of topic-specific influence theories that are specialized in Twitter. The objective of the framework is to determine whether these theories identify as influencers small groups of users who are able with minimal effort to affect some objectively measured aspects of a community. The framework consists of five conjunctive conditions that are indicative of real influence exertion for a set of topic categories. We put our framework into practice using a large-scale test-bed with real data from 75 Twitter communities and examining five established topic-specific theories that are applicable to our settings. The outcomes of our analysis reveal significant differences in their performance. To explain them, we introduce a novel methodology for delving into the internal dynamics of the groups of influencers they define. We use it to analyze the implications of the selected theories and their categorisation based on the resulting evidence.	en
heal.advisorName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	Θεολόγου, Μιχαήλ	el
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Λούμος, Βασίλειος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Δουλάμης, Αναστάσιος	el
heal.academicPublisher	Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	true