عنوان پایان‌نامه
بررسی بیشتر انتشار رفتارها و باورها در شبکه ها ی اجتماعی
- رشته تحصیلی
- مهندسی کامپیوتر- آلگوریتم ها و محاسبات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 70..;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 65404
- تاریخ دفاع
- ۲۵ دی ۱۳۹۲
- دانشجو
- امیرحسین رسولی فرح
- استاد راهنما
- علی معینی
- چکیده
- وقتی از انتشار رفتار صحبت می‌کنیم، در واقع عوامل موجود در شبکه را عواملی منطقی در نظر گرفته ایم. وقتی می‌گوییم یک عامل به صورت منطقی رفتار می‌کند بدین معنی است که رفتاری را انتخاب می‌کند که پیامد بیشتری برای فرد داشته باشد. در مدل ارائه شده‌ی ما نیز عوامل منطقی درنظر گرفته شده‌اند. در این پایان نامه قصد داریم با ارائه‌ی یک مدل، عوامل موثر در تغییر رفتار را شناسایی کنیم و بگوییم هر یک از این عوامل به چه میزان در تغییر رفتار یک فرد موثر بوده‌اند. مفهوم پایه‌ای در مدل ارائه شده استراتژی بهترین پاسخ است. اما چون نمی‌توانیم بطور دقیق و مستقیم مقدار پیامد حاصل از بهترین پاسخ را برای هر فرد اندازه گیری نماییم از یک تابع پیامد تصادفی استفاده کردیم. حالتهای هر فرد را با زنجیره مارکوف شبیه سازی کردیم و میزان تاثیر عوامل را با استفاده از درست‌نمایی بیشینه تخمین زدیم. مدل را بر روی رفتار "سیگار کشیدن" دانش آموزان 12 تا 15 سال 14 مدرسه اجرا کردیم. نتایج نشان می‌دهند که در این سن دوستان هم به اندازه‌ی والدین در تغییر رفتار "سیگار کشیدن" تاثیرگذار هستند. همچنین نشان دادیم که میزان تاثیرپذیری هر فرد از جنس موافق بسیار بیشتر از جنس مخالف خود است. قدرت این مدل را در یافتن تاثیرگذارترین فرد هر کلاس نیز بیان کردیم. در پایان مدل را بسط داده تا بتوانیم شبکه را به صورت پویا مدلسازی کنیم.
- Abstract
- When we talk about behavior diffusion, in fact, the agents present in network are considered as rational elements. When we say that an agent behaves rationally implies that he/she chooses the behavior that has greater consequence. Here we considered agents as rational. In this thesis, by introducing a model, we attempted to identify agents that influence behavior change and to determine the extent that each is effective in changing behavior of a person. The basic concept presented in this model is the strategy of best response. But as we are unable to directly and exactly measure consequences of the best response for each person, a random function was used. Individual states of persons were simulated by Markov chain and the influences of the agents were estimated using maximum likelihood. The model was run on the "smoking" behavior of the students of 14 schools who were aged between 12 to 15 years. The results show that at this age, friends are to the same extent influential on changing "smoking" behavior as parents. It also showed that the amount of influence each person get is much higher from his/her opposite sex than the same sex. Finally the model is extended to dynamically model the network.
