رویکردی مبتنی بر هایپرگراف جهت مدل سازی پویایی شایعه در شبکه های پیچیده مرتبه بالا

گسترش سریع شایعات در بسترهای اجتماعی برخط، به یکی از چالش های مهم در تحلیل شبکه های پیچیده تبدیل شده است؛ زیرا مدل های کلاسیک مبتنی بر گراف های ساده، معمولا قادر به بازنمایی برهم کنش های گروهی و هم زمان میان کاربران نیستند. مسئله اصلی این پژوهش، مدل سازی دقیق تر پویایی شایعه در شبکه هایی است که انتشار اطلاعات در آن ها نه صرفا به صورت دو به دو، بلکه در قالب تعاملات چندنفره رخ می دهد. چالش اصلی، ناتوانی مدل های متداول در نمایش ساختارهای مرتبه بالا و برآورد واقع بینانه سرعت، دامنه و ماندگاری شایعه است. در این پژوهش، رویکردی مبتنی بر هایپرگراف برای مدل سازی انتشار شایعه پیشنهاد می شود که در آن، روابط چندگانه میان کاربران در قالب هایپر یال ها نمایش داده شده و پویایی انتشار در حالت های مستعد، آلوده و حذف شده تحلیل می گردد. نتایج شبیه سازی ها نشان داد مدل پیشنهادی در مقایسه با مدل گرافی کلاسیک، آستانه انتشار را ۱۸.۷٪ دقیق تر برآورد کرده، قله انتشار شایعه را ۲۳.۴٪ بهتر پیش بینی نموده و خطای مدل سازی را بر حسب RMSE به میزان ۱۵.۲٪ کاهش داده است. همچنین، مقدار F۱ F_۱ F۱=۰.۹۱ و AUC=۰.۹۴ بیانگر توان بالای مدل در پیش بینی وضعیت انتشار است. مقایسه با پژوهش های پیشین نشان می دهد که لحاظ کردن برهم کنش های مرتبه بالا، دقت تحلیلی و واقع گرایی مدل را به طور معناداری افزایش می دهد.

کلیدواژه ها:

شایعه ، شبکه های پیچیده ، هایپرگراف ، پویایی انتشار ، برهم کنش های مرتبه بالا ، مدل سازی شبکه