تجزیه و تحلیل عددی الگوریتم‌های Prebunking

نویسنده:

(1) Yigit Ege Bayiz، مهندسی برق و کامپیوتر دانشگاه تگزاس در آستین آستین، تگزاس، ایالات متحده آمریکا (ایمیل: [email protected])

(2) Ufuk Topcu، مهندسی هوافضا و مکانیک مهندسی دانشگاه تگزاس در آستین آستین، تگزاس، ایالات متحده آمریکا (ایمیل: [email protected]).

چکیده و مقدمه

کارهای مرتبط

مقدماتی

مشکل Prebunking بهینه

سیاست های پایه قطعی

Prebunking به طور موقت

نتایج عددی

نتیجه گیری و مراجع

VII. نتایج عددی

الف. مقایسه الگوریتم

ما الگوریتم‌های 1، 2 و 3 را با ارزیابی عملکرد آنها در انتشار اطلاعات غلط شبیه‌سازی شده در شبکه‌های بدون مقیاس بزرگ مقایسه می‌کنیم. ما انتشار اطلاعات نادرست را به عنوان یک فرآیند SI در مدل چانگ-لو شبیه سازی می کنیم [23].

شکل 2: مقایسه سه خط مشی مختلف prebunking القا شده توسط الگوریتم های 1، 2 و 3 در فضاهای مختلفشکل 2: مقایسه سه خط مشی مختلف prebunking القا شده توسط الگوریتم های 1، 2 و 3 در فضاهای مختلف

که در آن C و γ پارامترهای قابل تنظیم هستند. توسط Lemma 3.0.1 از Fasino و همکاران. [24]، این انتخاب برای wi تضمین می کند که مدل Chung-Lu بدون مقیاس است.

ما پارامترهای C و γ را با تنظیم آنها انتخاب کردیم تا در هر مرحله، انتشار SI حاصل بیشترین شباهت را به انتشار پیام روزانه در یک پلت فرم شبکه اجتماعی واقعی داشته باشد. برای انجام این کار، مجموعه داده WICO توییتر را انتخاب کردیم [25]، که مجموعه ای از انتشارات مهر زمانی حاوی توییت/توییت مجدد است، در دو اطلاعات غلط و یک غیر اطلاعات غلط…

Source link