MétaCan
Menu
Retour à la cohorte
Enregistrement W3090108601 · doi:10.1109/jiot.2020.3026995

Social Interaction and Information Diffusion in Social Internet of Things: Dynamics, Cloud-Edge, Traceability

2020· article· en· W3090108601 sur OpenAlexafffund
Zufan Zhang, Laurence T. Yang, Xianjun Deng, Lingzhi Yi, Xiaokang Wang

Notice bibliographique

RevueIEEE Internet of Things Journal · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueComplex Network Analysis Techniques
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesChina Scholarship CouncilChongqing Research Program of Basic Research and Frontier TechnologyNational Natural Science Foundation of ChinaChongqing University of Posts and TelecommunicationsSt. Francis Xavier University
Mots-clésComputer scienceEnhanced Data Rates for GSM EvolutionCloud computingTraceabilityThe InternetDiffusionData scienceArtificial intelligenceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Social Internet of Things (SIoT), integrating the social networks and Internet of Things (IoT), leads to heterogeneous interactions of thing to thing, human to human, and human to thing, which in turn generates exploded information. Hence, as the soul of SIoT, information with its interaction and diffusion, records the track of humans and things and contains the hidden value for social administration and people's lives. Therefore, how to characterize the interplay between behavior spreading and information diffusion in SIoT is essential to predict and manage the information. Motivated by this, a more comprehensive understanding of the coupled modeling of social interaction and information diffusion processes in SIoT is conceived first. With the widespread adoption of cloud-edge computing, different nodes have different consciousness on information. Hence, a cloud-edge-aided information diffusion model is proposed for efficient interactions, which incorporates the role of edge in timely processing and feedback. On this basis, a blockchain-based cloud-edge SIoT architecture is proposed for traceability and security of information diffusion. Furthermore, the dynamical analysis of the coupled model in SIoT is provided, which illustrates the outbreak threshold, stability, and scale of information propagation. An interesting finding is that interactive behavior spreading only influences the final size of information propagation, not the spreading threshold. Extensive simulation results and detailed performance analysis verify the theoretical results, which are beneficial to provide traceable dissemination so as to find the most influential node and control the scale of information diffusion.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,274
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations56
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Internet of Things JournalMême sujetComplex Network Analysis TechniquesTravaux en français237 207