Le marketing viral est une nouvelle forme de marketing qui exploite les réseaux sociaux afin de promouvoir un produit, une marque, etc. Il se fonde sur l'influence qu'exerce un utilisateur sur un autre. La maximisation de l'influence est le problème scientifique pour le marketing viral. En fait, son but principal est de sélectionner un ensemble d'utilisateurs d'influences qui pourraient adopter le produit et déclencher une large cascade d'influence et d'adoption à travers le réseau. Dans cette thèse, nous proposons deux modèles de maximisation de l'influence sur les réseaux sociaux. L'approche proposée utilise la théorie des fonctions de croyance pour estimer l'influence des utilisateurs. En outre, nous introduisons une mesure d'influence qui fusionne de nombreux aspects d'influence, comme l'importance de l'utilisateur sur le réseau et la popularité de ces messages. Ensuite, nous proposons trois scénarii de marketing viral. Pour chaque scénario, nous introduisons deux mesures d'influence. Le premier scénario cherche les influenceurs ayant une opinion positive sur le produit. Le second scénario concerne les influenceurs ayant une opinion positive et qui influencent des utilisateurs ayant une opinion positive et le dernier scénario cherche des influenceurs ayant une opinion positive et qui influencent des utilisateurs ayant une opinion négative. Dans un deuxième lieu, nous nous sommes tournés vers un autre problème important, qui est le problème de la prédiction du sujet du message social. En effet, le sujet est également un paramètre important dans le problème de la maximisation de l'influence. A cet effet, nous introduisons quatre algorithmes de classification qui ne nécessitent pas le contenu du message pour le classifier, nous avons juste besoin de ces traces de propagation. Dans nos expérimentations, nous comparons les solutions proposées aux solutions existantes et nous montrons la performance des modèles de maximisation de l'influence et les classificateurs proposés. / The Viral Marketing is a relatively new form of marketing that exploits social networks in order to promote a product, a brand, etc. It is based on the influence that exerts one user on another. The influence maximization is the scientific problem for the Viral Marketing. In fact, its main purpose is to select a set of influential users that could adopt the product and trigger a large cascade of influence and adoptions through the network. In this thesis, we propose two evidential influence maximization models for social networks. The proposed approach uses the theory of belief functions to estimate users influence. Furthermore, we introduce an influence measure that fuses many influence aspects, like the importance of the user in the network and the popularity of his messages. Next, we propose three Viral Marketing scenarios. For each scenario we introduce two influence measures. The first scenario is about influencers having a positive opinion about the product. The second scenario searches for influencers having a positive opinion and influence positive opinion users and the last scenario looks for influencers having a positive opinion and influence negative opinion users. On the other hand, we turned to another important problem which is about the prediction of the social message topic. Indeed, the topic is also an important parameter in the influence maximization problem. For this purpose, we introduce four classification algorithms that do not need the content of the message to classify it, they just need its propagation traces. In our experiments, we compare the proposed solutions to existing ones and we show the performance of the proposed influence maximization solutions and the proposed classifiers.

This thesis aims to develop an e-health embedded system with a real-time operating system (RTOS), which allows users to monitor their body condition, including heart rate and breath, through Bluetooth Low Energy (BLE). Meanwhile, the device is also able to provide guidance for breathing by simulating breathing according to given parameters. In practice, the system samples the heart rate every two milliseconds. To ensure reliability and validity, results are expected to be sent in realtime. However, numerous data cannot be transmitted directly without being processed. Otherwise, the system will crash, and hard faults will occur. A general idea to solve this problem is to classify messages into two categories based on the priority. One is urgent, and the other is unimportant. Two solutions are proposed, one using a unidirectional linked list, and the second using queues. Based on an ARM micro-controller, the e-health embedded system is designed and implemented successfully. The evaluation results show that the solution using a linked list is suitable for the system, while the solution using queues is unable to solve the problem. With the help of the message classification, the urgent messages can be timely transmitted with continuous data. / Avhandlingen syftar till att utveckla ett e-hälso-inbyggt system med ett realtidsoperativsystem (RTOS), som gör det möjligt för användare att övervaka sitt kroppstillstånd, inklusive hjärtfrekvens och andetag, genom Bluetooth Low Energy (BLE). Samtidigt kan enheten också ge vägledning för andning genom att simulera andning enligt givna parametrar. I praktiken samplar systemet hjärtfrekvensen varannan millisekund. För att säkerställa tillförlitlighet och giltighet bör resultaten skickas i realtid. Annars kraschar systemet och allvarliga fel uppstår. En allmän idé för att lösa detta problem är att klassificera meddelanden i två kategorier baserade på prioritering, en är brådskande och den andra är obetydlig. Två lösningar föreslås, en med hjälp av riktad länkad lista och en annan implementerad med hjälp av köer. Resultatmässigt, baserat på en ARM-mikrokontroller, är det inbyggda e-hälsosystemet framgångsrikt designat och konfigurerat. Lösningen med en länkad lista är lämplig för systemet, medan lösningen som implementeras med köer fortfarande inte kan lösa problemet. Med hjälp av meddelandeklassificeringen är de brådskande meddelandena inte ens försenade med kontinuerlig data.