شماره ركورد كنفرانس :
3699
عنوان مقاله :
ارائه رويكردي جهت بيشينهسازي انتشار اطلاعات با استفاده از الگوريتم Leader Rank و بهرهگيري از شناسايي انجمنها جهت شناسايي انتشاردهندگان مؤثر
عنوان به زبان ديگر :
An approach to maximizing the diffusion of information by us-ing Leader Rank algorithm and utilizes communities identifica-tion to identification of influential spreader
پديدآورندگان :
طهماسبي سولگاني زهرا Zahra.tmb70@gmail.com كارشناسي ارشد دانشگاه جهاد دانشگاهي خوزستان , هارونآبادي علي a.harounabadi@gmail.com استاديار دانشگاه آزاد واحد تهران مركز
كليدواژه :
شبكههاي اجتماعي , انتشار اطلاعات , انتشاردهندگان مؤثر , انجمن يابي
عنوان كنفرانس :
اولين كنفرانس ملي دانش و فناوري نوين در علوم مهندسي در عصر تكنولوژي
چكيده فارسي :
انتشار اطلاعات و بيشينهسازي انتشار نقش مهمي در سرويسهاي شبكه اجتماعي دارد. بازاريابي جهت افزايش فروش محصول، روشهاي نفوذ و گسترش فنّاوري گرفته تا حركتهاي سياسي، تحليلهاي پزشكي و محبوبيتهاي سياسي همگي جزء پديدههايي هستند كه انتشار اطلاعات در آنها كاربرد دارد. يكي از جنبههاي تحليل شبكههاي اجتماعي پيدا كردن زيرمجموعهاي از اشخاص تأثيرگذار در شبكههاي اجتماعي است كه ميتوانند اطلاعات را به تعداد زيادي از گرههاي شبكه گسترش دهند. اگرچه تعدادي از روشها مثل مركزيت درجه، روشهاي تجزيه پوسته k تايي و روشهاي رتبهبندي افراد به شناسايي انتشاردهندگان مؤثر كمك ميكنند اما آنها محدوديتهايي براي شبكههاي با ساختار انجمني دارند و بيشتر روشهاي موجود جهت يافتن انتشاردهندگان مؤثر غالباً خصوصيات توپولوژيكي شبكه را مدنظر قرار ميدهند و خصوصيات افراد و تعاملات ميان آنها را در نظر نميگيرند.
چكيده لاتين :
Information diffusion and maximization of diffusion have an important role in so-cial network services. Marketing to increase product sales, methods of technologies to spread political movements, medical analysis and dissemination of information in their political popularity all the phenomena that is used. One of the aspects of social network analysis to find the subset of the most influential people on social networks is that they can spread information to a large number of nodes in the network. Although a number of methods such as the centralization degree, k-shell decomposition methods and rank-ing methods help to identify influential spreader but they are limited to networks with community and More effective methods to find publishers to consider further network topological properties, and properties of the people and the interactions between them do not consider.