28126

‫شناسايي ‬‫جوامع‬ ‫تأثيرگذار‬ ‫در‬ ‫شبكه‬ ‫هاي ‬‫اجتماعي

كارشناسي ارشد

مهندسي كامپيوتر - نرم افزار

1398

1401/07/01

دكتر حسن نادري

كامپيوتر

در سال‌هاي اخير به علت استفاده زياد از شبكه‌هاي اجتماعي، تحليل شبكه‌هاي اجتماعي موردتوجه زيادي قرار گرفته است. با استفاده از تحليل شبكه‌هاي اجتماعي اطلاعات بسياري را مي‌شود از شبكه‌هاي اجتماعي به دست آورد. يكي از مسائل قابل توجه در تحليل شبكه‌هاي اجتماعي موارد مربوط به جامعه است كه با استفاده از جوامع يك شبكه بزرگ را مي‌توان به قسمت‌هاي كوچك‌تري تقسيم نمود. ارزيابي تأثيرگذاري مورد ديگري است كه در شبكه‌هاي اجتماعي مورد توجه قرار گرفته است. جوامع در شبكه‌هاي اجتماعي نقش مهمي براي تغيير افكار عمومي دارند و اهميت تمامي جوامع با يكديگر يكسان نيستند به همين علت پيدا كردن مدلي براي اندازه‌گيري تأثيرگذاري جوامع و با استفاده از آن شناسايي جوامع تأثيرگذار مورد مهمي به شمار مي‌رود. در اين پژوهش جامعه تأثيرگذار به جامعه‌اي گفته مي‌شود كه ميانگين زمان لازم براي انتشار خبر در كل شبكه توسط هر فرد آن جامعه كمتر از ساير جوامع باشد. با توجه به اينكه در تعريف ارائه شده پيچيدگي محاسباتي داريم مدلي براي به دست آوردن جامعه تأثيرگذار در نظر گرفتيم كه با استفاده از افراد و ارتباطاتي كه درون و بين جوامع وجود دارد و همچنين ساختار كل شبكه و جوامع داخل شبكه و تعريف ارائه شده در پژوهش جوامع تأثيرگذار در شبكه‌هاي اجتماعي را شناسايي مي‌كنيم. در اين مدل ابتدا به دليل كمتر شدن محاسبات و بهتر شدن نتيجه 2-هسته را در شبكه محاسبه مي‌كنيم سپس با استفاده از مدل‌هاي انتشار به اندازه گيري تأثيرگذاري جوامع در شبكه مي‌پردازيم. در اين پژوهش مدل ديگري هم ارائه شده است كه حالت رقابت را بين جوامع در نظر مي‌گيرد و جامعه‌اي كه بتواند در رقابت با ساير جوامع بهتر عمل كند را مشخص مي‌كنيم. اين مدل‌ها را بر روي مجموعه داده‌هاي واقعي محاسبه كرديم و با استفاده از ويژگي‌هاي جامعه مشخص كرديم كه مدل ما جوامع بهتري را به عنوان جامعه تأثيرگذار نسبت به ساير روش‌ها مشخص مي‌كند. همچنين در اين پژوهش، مشاهدات و بررسي‌هايي كه كمك مي‌كند به شفاف‌تر شدن جامعه تأثيرگذار را توضيح داديم.

1402/01/30

Identifying Influential Communities in Social Networks

9/23/2023 12:00:00 AM

In recent years, due to the high use of social networks, the analysis of social networks has received attention. By using social network analysis, a lot of information can be obtained from social networks. One of the significant issues in the analysis of social networks is the cases related to the community, which can be divided network into smaller parts by using communities. Influence assessment is another thing that has been considered in social networks. Communities in social networks play an important role in changing public opinion, and the importance of all communities is not the same, therefore, finding a model to measure the impact of communities and using it to identify influential communities is an important issue. In this research, an influential community is defined as a community where the average time needed to spread the news in the entire network by each person of that community is less than other communities. Considering that we have computational complexity in the given definition, we considered a model to obtain an influential community that uses people and connections that exist within and between communities, as well as the structure of the entire network and communities within the network and the definition provided in research we identify the influential communities in social networks. In this model, we first calculate the 2-core in the network due to the reduction of calculations and the improvement of the result, then we measure the influence of communities in the network using diffusion models. In this research, another model has been presented that considers the state of competition between communities and we identify a community that can perform better in competition with other communities. We calculated these models on real data sets and using community features, we determined that our model better identifies communities as influential community than other methods.. Also, in this research, we explained the observations and reviews that help to make the influential community more clearly.

شبكه اجتماعي , تأثيرگذاري جامعه , تأثيرگذاري , مسئله حداكثر تأثيرگذاري , شناسايي جامعه

Social network , community influence , influential , influence maximization problem , Community identification

Amir Mohammad Fander

Dr. Hassan Naderi