- About
-
The Global ETD Search service is a free service for researchers
to find electronic theses and dissertations. This service is
provided by the
Networked Digital Library of Theses and Dissertations.
Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
Search results
Showing 1 to 7 of 7 (0.144 seconds)Spelling suggestions: "subject:"information cascade""
| 1 |
Seeing the Forest for the Trees: New approaches to Characterizing and Forecasting CascadesKrishnan, Siddharth 18 May 2018 (has links)
Cascades are a popular construct to observe and study information propagation (or diffusion) in social media such as Twitter and are defined using notions of influence, activity, or discourse commonality (e.g., hashtags). While these notions of cascades lead to different perspectives, primarily cascades are modeled as trees. We argue in this thesis an alternative viewpoint of cascades as forests (of trees) which yields a richer vocabulary of features to understand information propagation. We propose to develop a framework to extract forests and analyze their growth by studying their evolution at the tree-level and at the node-level. Furthermore, we outline four different problems that use the forest framework. First, we show that such forests of information cascades can be used to design counter-contagion algorithms to disrupt the spread of negative campaigns or rumors. Secondly, we demonstrate how such forests of information cascades can give us a rich set of features (structural and temporal), which can be used to forecast information flow. Thirdly, we argue that cascades modeled as forests can help us glean social network sensors to detect future contagious outbreaks that occur in the social network. To conclude, we show preliminary results of an approach - a generative model, that can describe information cascades modeled as forests and can generate synthetic cascades with empirical properties mirroring cascades extracted from Twitter. / Ph. D. / How do memes spread on blogs? How and when does a hashtag become popular? Can we predict viral content? This thesis answers such questions by analyzing information dissemination in social media. Only few years ago the goal of modeling large social and technological systems would have been unattainable. However, in less than a decade the world wide web has transformed from a large static library that people only browse into a vast information resource where people interact with each other. Through the emergence of online social networking and social media, daily activities of hundreds of millions of people are migrating to the Web. Today the Web is a “sensor” that captures the pulse of human behavior: what we are thinking, what we are doing, and what we know. Moreover, social media activity has become precursors to several events, particularly disruptive ones like protests, strike, and “occupy” events. Therefore, analyzing and forecasting the emergence of such activity is an important social research problem. This thesis presents analytical and predictive models that can predict and detect bursts of activity in social media like Twitter. We also provide algorithmic tools that can effectively quell the spread of a rumor, predict viral content, and allow scientists to synthetically simulate such events computationally. The achievement of the thesis is to arm social scientists with tools that can assist in understanding some aspects of online social behavior.
|
| 2 |
Information about past moves : experimental studies on information cascades and pie-sharing games /Stiehler, Andreas. January 2003 (has links) (PDF)
, Diss--Humboldt-Universität Berlin, 2003.
|
| 3 |
Information cascades in the Brazilian farmland marketBrewer, Brady E. January 1900 (has links)
Doctor of Philosophy / Agricultural Economics / Allen M. Featherstone / Christine Wilson / Farmland values have reached all-time highs and have significantly risen over the last few years. This has caused much debate about whether farmland prices are currently on a bubble and ready to burst, much like the earlier 1980s. Much research has been done on farmland values; however, work done outside of agricultural economics, looking at general asset values, can be incorporated into models of farmland value. Information cascades, or herding, are phenomenon where information in the market is sent between investors and this information is bid into the asset price, thus resulting in boom and bust periods. By using a Vector Autoregression (VAR) model, farmland price dynamics are modeled and analyzed for spatial dependencies from one region to the next. VAR allows for no a priori specification of network typology. This allows for the examination of the existence of information cascades and what form the network takes among spatially located farmland markets. This method is then compared to two other spatial estimation techniques. The first is a Spatial Autoregressive (SAR) model where network typology is imposed prior to estimation. The second is a VAR model where no network is modeled, and only the region’s own asset prices can influence future periods. It is found that information cascades exist and network typology is somewhat random.
These results caution the current direction of the literature of imposing network or spatial structure. However, due to data requirements, SAR models are easier to estimate since they require less data and if network structure, which the SAR model inherently imposes by the weight matrix, could be determined by an autoregressive process instead of an adjacency rule it could prove to be the most accurate forecasting method.
|
| 4 |
Propagation of traditional media publications in social media : A network analysis approachEriksson Asp, Tova January 2018 (has links)
Social media is a vast, fluctuant domain that is difficult to grasp, overlook and explain. It is important in our daily lives as well as for organisations, such as traditional media. Traditional media is moving from analogue news propagation to propagating news online, where social media plays a significant role. This study contributes to the understanding of traditional media propagation in social media, through quantitative and network analysis of articles’ spread in social media. The study also contributes to refining social media network analysis methodology, from the perspective of traditional media propagation in social media. The study is conducted as a survey where web documents of social media posts were collected and analysed. The scope of the study were Swedish traditional media. Two analysis methods were used: a quantitative statistical analysis of the propagation of articles and a network analysis comparing the usefulness of two common network analysis metrics: indegree centrality and PageRank. The results show that an overall of 22,34% of traditional media articles in this study, were propagated in social media. The findings include what categories of articles are most propagated on different social media platforms. Different kinds of newspapers were also compared, and variances were found. Local press articles were more propagated on Facebook than on Twitter, in opposite to national press that were more propagated on Twitter than on Facebook. Indegree centrality was found to be the most useful metric for examining traditional media propagation amongst Swedish newspapers, when compared to PageRank. Lack of cross-platform research in social media is pointed at, since this study identifies a prominent need for evolving cross-platform social media research.
|
| 5 |
Application des processus stochastiques aux enchères en temps réel et à la propagation d'information dans les réseaux sociaux / Application of stochastic processes to real-time bidding and diffusion processes on networksLemonnier, Rémi 22 November 2016 (has links)
Dans cette thèse, nous étudions deux applications des processus stochastiques au marketing internet. Le premier chapitre s’intéresse au scoring d’internautes pour les enchères en temps réel. Ce problème consiste à trouver la probabilité qu’un internaute donné réalise une action d’intérêt, appelée conversion, dans les quelques jours suivant l’affichage d’une bannière publicitaire. Nous montrons que les processus de Hawkes constituent une modélisation naturelle de ce phénomène mais que les algorithmes de l’état de l’art ne sont pas applicables à la taille des données typiquement à l’œuvre dans des applications industrielles. Nous développons donc deux nouveaux algorithmes d’inférence non-paramétrique qui sont plusieurs ordres de grandeurs plus rapides que les méthodes précédentes. Nous montrons empiriquement que le premier a de meilleures performances que les compétiteurs de l’état de l’art, et que le second permet une application à des jeux de données encore plus importants sans payer un prix trop important en terme de pouvoir de prédiction. Les algorithmes qui en découlent ont été implémentés avec de très bonnes performances depuis plusieurs années à 1000 mercis, l’agence marketing d’avant-garde étant le partenaire industriel de cette thèse CIFRE, où ils sont devenus un actif important pour la production. Le deuxième chapitre s’intéresse aux processus diffusifs sur les graphes qui constituent un outil important pour modéliser la propagation d’une opération de marketing viral sur les réseaux sociaux. Nous établissons les premières bornes théoriques sur le nombre total de nœuds atteint par une contagion dans le cadre de graphes et dynamiques de diffusion quelconques, et montrons l’existence de deux régimes bien distincts : le régime sous-critique où au maximum $O(sqrt{n})$ nœuds seront infectés, où $n$ est la taille du réseau, et le régime sur-critique ou $O(n)$ nœuds peuvent être infectés. Nous étudions également le comportement par rapport au temps d’observation $T$ et mettons en lumière l’existence de temps critiques en-dessous desquels une diffusion, même sur-critique sur le long terme, se comporte de manière sous-critique. Enfin, nous étendons nos travaux à la percolation et l’épidémiologie, où nous améliorons les résultats existants. / In this thesis, we study two applications of stochastic processes in internet marketing. The first chapter focuses on internet user scoring for real-time bidding. This problem consists in finding the probability for a given user to perform an action of interest, called conversion, in the next few days. We show that Hawkes processes are well suited for modelizing this phenomena but that state-of-the-art algorithms are not applicable to the size of datasets involved. We therefore develop two new algorithms able to perform nonparametric multivariate Hawkes process inference orders of magnitude faster than previous methods. We show empirically that the first one outperforms state-of-the-art competitors, and the second one scales to very large datasets while keeping very high prediction power. The resulting algorithms have been implemented with very good performances for several years in 1000mercis, a pioneering marketing agency being the industrial partner of this CIFRE PhD, where they became an important business asset. The second chapter focuses on diffusion processes graphs, an important tool for modelizing the spread of a viral marketing operation over social networks. We derive the first theoretical bounds for the total number of nodes reached by a contagion for general graphs and diffusion dynamics, and show the existence of two well distinct regimes: the sub-critical one where at most $O(sqrt{n})$ nodes are infected, where $n$ is the size of the network, and the super-critical one where $O(n)$ nodes can be infected. We also study the behavior wrt to the observation time $T$ and reveals the existence of critical times under which a long-term super-critical diffusion process behaves sub-critically. Finally, we extend our works to different application fields, and improve state-of-the-art results in percolation and epidemiology.
|
| 6 |
Supply Chain Event Management – Bedarf, Systemarchitektur und Nutzen aus Perspektive fokaler Unternehmen der ModeindustrieTröger, Ralph 10 November 2014 (has links) (PDF)
Supply Chain Event Management (SCEM) bezeichnet eine Teildisziplin des Supply Chain Management und ist für Unternehmen ein Ansatzpunkt, durch frühzeitige Reaktion auf kritische Ausnahmeereignisse in der Wertschöpfungskette Logistikleistung und -kosten zu optimieren.
Durch Rahmenbedingungen wie bspw. globale Logistikstrukturen, eine hohe Artikelvielfalt und volatile Geschäftsbeziehungen zählt die Modeindustrie zu den Branchen, die für kritische Störereignisse besonders anfällig ist. In diesem Sinne untersucht die vorliegende Dissertation nach einer Beleuchtung der wesentlichen Grundlagen zunächst, inwiefern es in der Modeindustrie tatsächlich einen Bedarf an SCEM-Systemen gibt.
Anknüpfend daran zeigt sie nach einer Darstellung bisheriger SCEM-Architekturkonzepte Gestaltungsmöglichkeiten für eine Systemarchitektur auf, die auf den Designprinzipien der Serviceorientierung beruht. In diesem Rahmen erfolgt u. a. auch die Identifikation SCEM-relevanter Business Services. Die Vorzüge einer serviceorientierten Gestaltung werden detailliert anhand der EPCIS (EPC Information Services)-Spezifikation illustriert.
Abgerundet wird die Arbeit durch eine Betrachtung der Nutzenpotenziale von SCEM-Systemen. Nach einer Darstellung von Ansätzen, welche zur Nutzenbestimmung infrage kommen, wird der Nutzen anhand eines Praxisbeispiels aufgezeigt und fließt zusammen mit den Ergebnissen einer Literaturrecherche in eine Konsolidierung von SCEM-Nutzeffekten. Hierbei wird auch beleuchtet, welche zusätzlichen Vorteile sich für Unternehmen durch eine serviceorientierte Architekturgestaltung bieten.
In der Schlussbetrachtung werden die wesentlichen Erkenntnisse der Arbeit zusammengefasst und in einem Ausblick sowohl beleuchtet, welche Relevanz die Ergebnisse der Arbeit für die Bewältigung künftiger Herausforderungen innehaben als auch welche Anknüpfungspunkte sich für anschließende Forschungsarbeiten ergeben.
|
| 7 |
Supply Chain Event Management – Bedarf, Systemarchitektur und Nutzen aus Perspektive fokaler Unternehmen der ModeindustrieTröger, Ralph 17 October 2014 (has links)
Supply Chain Event Management (SCEM) bezeichnet eine Teildisziplin des Supply Chain Management und ist für Unternehmen ein Ansatzpunkt, durch frühzeitige Reaktion auf kritische Ausnahmeereignisse in der Wertschöpfungskette Logistikleistung und -kosten zu optimieren.
Durch Rahmenbedingungen wie bspw. globale Logistikstrukturen, eine hohe Artikelvielfalt und volatile Geschäftsbeziehungen zählt die Modeindustrie zu den Branchen, die für kritische Störereignisse besonders anfällig ist. In diesem Sinne untersucht die vorliegende Dissertation nach einer Beleuchtung der wesentlichen Grundlagen zunächst, inwiefern es in der Modeindustrie tatsächlich einen Bedarf an SCEM-Systemen gibt.
Anknüpfend daran zeigt sie nach einer Darstellung bisheriger SCEM-Architekturkonzepte Gestaltungsmöglichkeiten für eine Systemarchitektur auf, die auf den Designprinzipien der Serviceorientierung beruht. In diesem Rahmen erfolgt u. a. auch die Identifikation SCEM-relevanter Business Services. Die Vorzüge einer serviceorientierten Gestaltung werden detailliert anhand der EPCIS (EPC Information Services)-Spezifikation illustriert.
Abgerundet wird die Arbeit durch eine Betrachtung der Nutzenpotenziale von SCEM-Systemen. Nach einer Darstellung von Ansätzen, welche zur Nutzenbestimmung infrage kommen, wird der Nutzen anhand eines Praxisbeispiels aufgezeigt und fließt zusammen mit den Ergebnissen einer Literaturrecherche in eine Konsolidierung von SCEM-Nutzeffekten. Hierbei wird auch beleuchtet, welche zusätzlichen Vorteile sich für Unternehmen durch eine serviceorientierte Architekturgestaltung bieten.
In der Schlussbetrachtung werden die wesentlichen Erkenntnisse der Arbeit zusammengefasst und in einem Ausblick sowohl beleuchtet, welche Relevanz die Ergebnisse der Arbeit für die Bewältigung künftiger Herausforderungen innehaben als auch welche Anknüpfungspunkte sich für anschließende Forschungsarbeiten ergeben.
|
Page generated in 0.155 seconds