Autores

7353
273,163,2769
7354
273,163,2769
7355
273,163,2769

Informações:

Publicações do PESC

Título
Temporal Logics for Diffusion in Social Networks
Linha de pesquisa
Inteligência Artificial
Tipo de publicação
Tese de Doutorado
Número de registro
Data da defesa
13/7/2023
Resumo

Esta tese apresenta LTL-SN, um framework baseado em lógica para modelar redes sociais usando a Lógica Temporal Linear (LTL). O LTL-SN incorpora propriedades de redes sociais de adoção, onde os agentes adotam comportamentos baseados no comportamento de seus amigos. Além disso, ele explora variações do modelo para analisar a propagação de doenças em populações usando modelos compartimentais. A tese aproveita linguagens de especificação existentes e implementações de verificação de modelos, representando redes sociais como caminhos LTL especificados com modelos nuXmv. Os resultados de pesquisas publicadas são referenciados. Fornecemos axiomatização e provas de correção e completude para cada variante lógica apresentada, incluindo os modelos compartimentais SIR e SIRS.

Abstract

This thesis introduces LTL-SN, a logic-based framework for modeling social networks using Linear Temporal Logic (LTL). LTL-SN incorporates social network properties of adoption, where agents adopt behaviors based on their friends' behavior. Additionally, it explores variations of the model for analyzing disease spread in populations using compartmental models. The thesis leverages existing specification languages and model checking implementations, representing social networks as LTL paths specified with nuXmv models. Published research findings are referenced. We provide axiomatization and proofs of soundness and completeness for each presented logic variant, including compartmental SIR and SIRS models.

Arquivo
Topo