یافتن گره های تاثیرگذار در شبکه های اجتماعی با کمک الگوریتم فازی عصبی

شبکه های اجتماعی در حقیقت استفاده از وب سرویسهایی می باشد که اجازه می دهند با ایجاد پروفایل و ارسال پیام و ارتباط با کاربران دیگر روابط اجتماعی ایجاد شود. شبکه های اجتماعی ساختاری همانند گراف دارند که کاربران گره های آنها و ارتباط میان آنها یالها را تشکیل می دهند. در این سرویسها پیامها مهمترین وسیله ارتباطی می باشند. کاربران پیامها را برای نشر اطلاعات متفاوت مثل توصیه کالاهای جدید، نطرات سیاسی، عقاید و غیره ارسال می کنند. از آنجایی که ایده دهان به دهان تاثیر گستردهای روی عقاید و تصمیم خرید افراد دارد، با رشد روز افزون شبکه های اجتماعی، بخشهای بازاریابی شرکتها برای بقا در این دنیای رقابتی نیاز دارند تمرکز بیشتری روی مشتریان تاثیرگذار داشته و افرادی که در مرکز تعاملات و ارتباطات هستند را شناسایی نمایند. جهت انتشار موثر با نشانه گرفتن گروه کوچکی از گره های تاثیرگذار و اجرای یک مدل انتشار آبشاری میزان انتشار بالا برده خواهد شد. با اینکار می توان اطلاعات خود را توسط تعداد معدودی از گره ها به گره های بیشتری انتقال داد. یافتن گره های مورد نظر ( مثلا تعداد k گره) در گراف شبکه های اجتماعی و احتمال انتشار صحیح اطلاعات موضوع بسیار مهمی در بازاریابی ویروسی به شمار می رود. در این راه سعی شده است که اطلاعات به K گره تاثیرگذار در مرحله اول انتقال یابد. تعداد انتشار گره ها به درجه تاثیرگذاری آنها ارتباط دارد و هدف در اینجا پیدا کردن گره هایی با درجه مرکزیت بالاتر است. در این تحقیق سعی شده ابتدا با خوشه بندی گره ها آنها را دسته بندی کرده و دسته هایی که به هدف نزدیکتر هستند را یافته و در نهایت از الگوریتم فازی عصبی برای یافتن گره های تاثیرگذار در دسته های موجود کمک گرفته شود. بدین ترتیب تعداد دسته های موجود به دسته هایی که به هدف نزدیک هستند تقلیل داده شده با اینکار به دلیل محاسبه تابع انتشار برای هر کاربر و توازی این محاسبات از نظر زمان اجرا، بهبودی بیشتری نسبت به مدل های پیشین بدست آمده است و با کمک خصیصه یادگیری الگوریتم فازی عصبی دقت عملیات بالا می رود.

کلیدواژه ها:

تحلیل شبکه های اجتماعی ، گره های تاثیرگذار ، الگوریتم فازی عصبی ، بیشینه سازی انتشار ، شاخصهای مرکزیت.