ارائه روشی به منظور بهینه سازی اثرگذاری در شبکه های اجتماعی با استفاده از روشهای یادگیری ماشین

تحلیل شبکه های اجتماعی عبارت است از مطالعه و تجزیه و تحلیل شبکه های اجتماعی و کاربرد آنها به منظور حل مسائل دنیای واقعی.با استفاده از تحلیل شبکه های اجتماعی می توانیم به اطلاعات مفیدی از قبیل میانگین دوستان یک فرد در یک شبکه دوستی دستیابیم. در این پژوهش تمرکز اصلی بر روی شبکه های اجتماعی بوده است. روش پیشنهادی در این پژوهش شامل دو فاز اصلی بودهاست فاز اول مرحله استخراج و فاز دوم مرحله انتخاب می باشد. روش پیشنهادی در این پژوهش از معیارهای محلی و عمومی در کنارهم استفاده می کند الگوریتم پیشنهادی برای انتخاب نودهایی که نفوذ انتشار اطلاعات را بیشینه می کنند در مرحله اول الگوریتم nCutرا اجرا می کند. از بین ۱ جامعه استخراج شده برای گراف G تعداد k جامعه که بزرگترین جوامع ممکن هستند را انتخاب می کند.در گام بعد برای هر یک از k جامعه نودهای اثرگذار آن جامعه را استخراج می کنیم. و الگوریتم های یادگیری برای استخراج جوامع مارا به معیارهای محلی رهنمون می کند، این امر باعث میشود پیچیدگی بالای داده ها سرشکن شود، بنابراین فقط اثر نودها در یک جامعهرا در نظر می گیریم نه کل شبکه. نتایج بدست آمده از این پژوهش را بر روی چهار مجموعه داده از دنیای واقعی که معیار ارزیابی آنSIR انتشار اطلاعات است،و در پایان با دو الگوریتم DBC و MCIM مقایسه کردیم و نتایج نشان داده در همه موارد قادر استنفوذ بیشتری برای اطلاعات در شبکه های مختلف را فراهم کند و دلیل آن ترکیب معیارهای محلی و معیارهای عمومی است.

کلیدواژه ها:

شبکه اجتماعی ، شبکه پیچیده ، یادگیری ، گره ، استخراج جوامع