Sosyal ağlarda etki maksimizasyonu

İnsanlar fikirlerini yaymak, yenilikler hakkında bilgi edinebilmek için çevrimiçi sosyal ağları kullanırlar. Bu bağlamda, bilginin sosyal ağlar üzerinde nasıl yayıldığını bilmek önemlidir. Bir sosyal ağ aracılığıyla daha fazla sayıda kişiye bir bilgiyi (örneğin ürün reklamı) yaymak mümkündür. Burada kilit nokta, sosyal ağdaki en etkili bireyleri tespit edebilmektir. Bu problem Etki Maksimizasyonu (EM) problemi olarak adlandırılmıştır. EM problemi, belirli bir birey grubunu etkileyen, az sayıdaki çekirdek bireyi bulmaya odaklanır. Literatürde, EM problemi için açgözlü algoritmalar, stokastik ve evrimsel optimizasyon algoritmaları önerilmiştir. Ancak, bu yöntemler hız veya çözüm kalitesi açısından istenen seviyede değildir. Öte yandan, literatürde hızlı ve optimal çözümler üreten birçok sürü zekâsı algoritması bulunsa da, bu algoritmalar EM problemine doğrudan uygulanamazlar. Bu tezde, sürü zekâsı algoritmalarının EM problemine uygulanabilmesini sağlamak için problemin yapısı değiştirilmiştir. Bir sosyal ağıdaki bireyleri düğümler olarak ele alırsak; yapılan işlem, bazı ağ ölçütlerine göre düğümlerin büyükten küçüğe doğru sıralanması ve bu sıraya göre yeniden numaralandırılması olarak tarif edilebilir. Önerilen yaklaşım işaretli ve işaretsiz gerçek graflar ve sentetik graflarla test edilmiştir. Denemelerde, sürü zekâsı algoritmaları olarak Bozkurt Optimizasyonu (Gray Wolf Optimizer, GWO) ve Balina Optimizasyon Algoritması (Whale Optimization Algorithm, WOA); kıyaslama yöntemleri olarak PageRank ve Kempe'nin Açgözlü Algoritması kullanılmıştır. Deneysel sonuçlar önerilen yaklaşımın iyi çalıştığını göstermiştir.