شناسايي انجمن ها و گره هاي موثر در انتشار اطلاعات مربوط به ويروس كرونا به كمك تحليل شبكه اجتماعي توئيتر

Community Detection and Influencer Nodes in Information Ropagation about the Coronavirus using Twitter Social Network Analysis

حجم انبوه اطلاعات ارسال شده در شبكه هاي اجتماعي، به دليل زمينه هاي كاربردي متنوع كه مي توان از آنها استفاده كرد، توجه فزاينده اي را به خود جلب كرده است. در واقع، اين اجتماعات مجازي كاربران را قادر مي سازند تا نظرات خود را بيان كنند و همچنين بر ساير كاربران تأثير بگذارند. بنابراين، شناسايي تأثيرگذاران كليدي شبكه اجتماعي و انجمن هاي تشكيل شده پيرامون يك موضوع، با بهره گيري از روش تحليل شبكه هاي اجتماعي، بسيار مهم است. ارتباط ميان موجوديت هاي مختلف در شبكه به درك اين مسئله كمك خواهد كرد. در اين پژوهش نظرات پيرامون ويروس جديد كرونا در شبكه ي توئيتر مورد بررسي قرار گرفته است. شبكه ي مصور شده، در نرم افزار گفي، توسط يكي از الگوريتم هاي تشخيص انجمن همچون Louvain مورد بررسي قرار گرفته است. همچنين از الگوريتم هاي HITS و PageRank براي تجزيه و تحليل تأثير انتشار اطلاعات و رتبه‌بندي موجوديت ها استفاده شده است.

The mass volume of information posted on social networks has attracted increasing attention due to the variety of applications that can be used. In fact, these virtual communities enable users to express their viewpoints as well as influence other users. Therefore, it is very important to identify the key influencers of the social network and the communities formed around a topic, using the method of social network analysis. The connection between different entities in the network will help to understand this issue. In this study, conversations about the new coronavirus have been examined on Twitter. The illustrated network is examined in Gephi software by one of the community detection algorithms such as Louvain. HITS and PageRank algorithms are also used to analyze the impact of information propagation and ranking of entities.