Mодели Информaционных Каскадов, доклад на RIW 2011

1. Социальные сети
информационные каскады и
вирусный маркетинг
Thursday, October 27, 11

2. Какой
ресторан
выбрать?
конформизм
Thursday, October 27, 11

3. Информационный каскад
это принятие того же решения, что и
предшественники, независимо от собственной
информации
Thursday, October 27, 11

4. Возникновение
информационного каскада
Последовательно принимаемые решения
Неполная информация
Результаты выбора предшественников
известны (но не причины!)
Ограниченное пространство выбора
Рациональные решения
Теорема апостериорной вероятности
(Формула Байеса)
Thursday, October 27, 11

5. Распространение
информации
Среда распространения:
структура связей
Модель распространения:
механизм передачи
Thursday, October 27, 11

6. Универсальная структура
социальных сетей
Степенное распределение
Гигантская связанная
компонента
Эффект малого мира
Высокая степень
кластеризации
Thursday, October 27, 11

7. Диффузионная модель
диффузия-
распространение
вирусная модель
“заражение” при контакте
вероятность зависит от
“иммунитета”
моделирует:
новости
слухи
Thursday, October 27, 11

8. Диффузионная модель
Шаг 1
Thursday, October 27, 11

9. Диффузионная модель
Шаг 2
Thursday, October 27, 11

10. Диффузионная модель
Шаг 3
Thursday, October 27, 11

11. Диффузионная модель
Шаг 4
Thursday, October 27, 11

12. Диффузионная модель
Шаг 5
Полное покрытие
Время покрытия
зависит от узла-
источника
Важна связанность
сети
Thursday, October 27, 11

13. Пороговая модель
“мнение” соседей
порог принятие решения
информационный каскад
моделирует: A,B - типы поведения
убеждения q – порог принятия решения
решения о покупке Если доля знакомых с
поведением A больше q, то
распространение технологии принять A
Thursday, October 27, 11

14. Пороговая модель
порог = 1/2
Thursday, October 27, 11

15. Пороговая модель
Шаг 1
2 источника
порог = 2/5
Thursday, October 27, 11

16. Пороговая модель
Шаг 2
Thursday, October 27, 11

17. Пороговая модель
Шаг 3
Thursday, October 27, 11

18. Пороговая модель
Шаг 4
неполный каскад
сильно зависит от
топологии сети
сильно зависит от
выбора источников
Thursday, October 27, 11

19. Максимизация каскада
N –множество индивидов социальной сети
A – множество начальных последователей,
k –размер множества A
- количество индивидов, принявших новое
поведение под влиянием множества A, включая А
Thursday, October 27, 11

20. Успех каскада
Стратегически выбранные узлы-источники
центральные
хорошо связанные
внутри различных сообществ
Увеличение относительных преимуществ
понижение порога перехода
Thursday, October 27, 11

21. “The Dynamics of Viral
Рекомендации товаров
Marketing”
J. Leskovec et al, 2007 (DVDs)
Thursday, October 27, 11

22. #newsjp
Twitter
retweet #ocra
mention
“Truthy” Project. Center for Complex Networks and System
Research. Indiana University.
#iraq
Thursday, October 27, 11

23. Thursday, October 27, 11