-
شماره ركورد
32992
-
پديد آورنده
ريحانه سادات معصومي
-
عنوان
تشخيص كاربران تأثيرگذار در شبكههاي اجتماعي با تجزيهوتحليل توالي ريتوييتها
-
مقطع تحصيلي
كارشناسي راشد
-
رشته تحصيلي
مهندسي كامپيوتر
-
سال تحصيل
1400
-
تاريخ دفاع
1403/09/24
-
استاد راهنما
دكتر عيناله خنجري
-
استاد مشاور
-
-
دانشكده
مهندسي كامپيوتر
-
چكيده
شناسايي كاربران تأثيرگذار در شبكههاي اجتماعي براي انتشار مؤثر اطلاعات بسيار مهم بوده و ميتواند انتشار اطلاعات كارآمد را به بخش بزرگي از شبكه براي ما تسهيل كند، بنابراين يك مزيت بزرگ براي كاربردهاي مختلف ازجمله بازاريابي، كنترل بيماري و انتشار اخبار است. روشهاي موجود عمدتاً بر ساختار شبكه براي شناسايي كاربران تأثيرگذار متكي هستند. توييتر، بهعنوان يكي از محبوبترين شبكههاي اجتماعي آنلاين، امكان اشتراكگذاري اخبار و ايدهها از طريق توييتها را براي كاربران فراهم ميكند. هرگاه توييتي ريتوييت شود، اين امر منجر به گسترش وسيع اطلاعات در شبكه ميشود. در اين مقاله، ما يك مدل تحليلي جديد را ارائه ميدهيم كه با تمركز بر ريتوييتها و الگوهاي زماني متغير آنها، به شناسايي گروهي از كاربران تأثيرگذار ميپردازد. مدل ما از تواليهاي زماني بين ريتوييتها براي شناسايي گرههاي كليدي در اين فرآيند انتشار استفاده ميكند. اين تواليها بينشهاي مهمي را در مورد پوياييهاي گسترش اطلاعات فراهم ميكنند. بهعنوانمثال، ميتوانند نشان دهند كه آيا در دنبالههاي زماني بين ريتوييتها، قلههاي زودهنگامي وجود دارد يا خير. همچنين، اين تواليها توزيع گسترش اطلاعات را در مكانهاي مختلف شبكه نشان ميدهند. با تجزيهوتحليل اين دادهها در كنار اطلاعات انتشار شبكهاي دنبال كنندگان هر فرد، مدل ما به شناسايي كارآمدتر گرههاي تأثيرگذار كمك ميكند. اين كاربران تأثيرگذار نهتنها فعالانه در گسترش اطلاعات شركت ميكنند، بلكه تأثير قابلتوجهي بر دنبال كنندگان خود نيز دارند. اين امر بهنوبه خود، گسترش سريعتر و گستردهتر اطلاعات را تسهيل ميكند. نتايج نشان ميدهند مجموعه گرههاي تأثيرگذار شناساييشده توسط الگوريتم پيشنهادي اگر بهعنوان گرههاي اوليه مورد هدف قرار گيرند ميتوانند توييت را در معرض جمعيتي بزرگتر و متنوعتر قرار دهند و درنتيجه انتشار تأثيرگذاري را به حداكثر برسانند. ارزيابي روي مجموعه دادههاي واقعي توييتر، برتري الگوريتم پيشنهادي را نسبت به الگوريتمهاي پايه ازنظر درگير كردن جمعيت بزرگتر نشان داده و علاوه بر اين، نشان ميدهد كه الگوريتم پيشنهادي در برابر دادههاي ازدسترفته مقاوم است.
-
تاريخ ورود اطلاعات
1403/11/17
-
عنوان به انگليسي
Identifying Influential Users in Social Networks Based on the Sequence of Retweets
-
تاريخ بهره برداري
12/14/2025 12:00:00 AM
-
دانشجوي وارد كننده اطلاعات
ريحانه سادات معصومي
-
چكيده به لاتين
Identifying Influencers in social networks is critical for effective information dissemination, offering substantial benefits across various applications including marketing, disease control, and news broadcasting. While existing methods largely rely on network structures to identify these users, platforms like Twitter enable sharing and amplifying news through retweets, thus necessitating a deeper understanding of information cascade dynamics. This paper introduces a new analytical model that focuses on retweet behaviors and the varying temporal patterns within them. Our model employs sequences of time intervals between retweets to detect key nodes crucial for information propagation. These sequences provide significant insights into the dynamics of information spread, for instance, by identifying whether early peaks occur within the timing sequences of retweets. Additionally, these intervals illustrate the distribution of information spread across different network locations. By analyzing this data in conjunction with the network's follower distribution, our model enhances the identification of influential nodes. These influencers not only actively participate in spreading information but also exert a substantial impact on their followers, thereby facilitating a quicker and broader dissemination of information. Results demonstrate that the set of influential nodes identified by our proposed algorithm, when targeted as initial nodes, can expose a tweet to a larger and more diverse audience, thus maximizing the impact of dissemination. evaluations on a real Twitter dataset show that our algorithm surpasses baseline methods in engaging a larger audience and also exhibits robustness against missing data.
-
كليدواژه هاي فارسي
كاربران تأثيرگذار، شبكههاي اجتماعي، توييتر، ريتوييت، آبشارهاي ريتوييت
-
كليدواژه هاي لاتين
Influencers, Social networks, Twitter, Retweets, Cascades
-
Author
Reyhanesadat Masoumi
-
SuperVisor
Dr. Eynollah Khanjari
-
لينک به اين مدرک :